كيف يساعد الذكاء الاصطناعي في تشخيص الإصابة بفيروس كورونا؟

شارك

استمع الى المقالة الآن هذه الخدمة تجريبية

يلعب التشخيص الدقيق والسريع للحالات المشتبه بإصابتها بفيروس كورونا دوراً حاسماً في الحد من انتشار المرض؛ إذ يسمح بتحقيق الاستجابة السريعة سواءً من خلال الحجر الصحي أو تقديم الرعاية المناسبة للمريض في الوقت المناسب.

وحتى الآن يجري الاعتماد في تشخيص الإصابات إلى حدٍ كبير على اختبار البلوليميراز التسلسلي (PCR) الذي يتطلب بيئة مخبرية مناسبة ويستغرق بعض الوقت قبل الحصول على النتيجة.

وفي مسعى لتسريع عملية التشخيص، قام باحثون صينيون بتطوير نموذج ذكاء اصطناعي يعتمد على التعلم العميق لاكتشاف الإصابة بفيروس كورونا في صور الصدر المقطعية المحوسبة.

كيف قاموا بذلك؟

عمل الباحثون على تطوير نظام تعلم عميق ضعيف التوجيه باستخدام صور مقطعية محوسبة ثلاثية الأبعاد للكشف عن وجود فيروس كورونا عند المرضى. ويبين الباحثون أن هذا النظام لا يحتاج إلى وسم كل صورة لاستخدامها في مرحلة التدريب؛ ومن هنا تأتي صفة “ضعيف التوجيه”، أي يتم استخدام إحدى وسمي “مصاب بالفيروس” أو “غير مصاب بالفيروس” ودون ربط توصيفات دقيقة لتشوهات الرئة بكل صورة.

لقد لجأ الباحثون إلى تقسيم صورة الرئة لكل مريض إلى عدة أقسام باستخدام شبكة يونت UNet  مدربة مسبقاً (وهي شبكة عصبونية ملتفة تم تطويرها لتقسم الصور الطبية)، ثم قاموا بتغذية هذه الأقسام إلى شبكة عصبونية عميقة للتنبؤ باحتمال الإصابة بالفيروس.

وقد تم استخدام ما يقارب 500 صورة مقطعية لمرضى من مختلف الأعمار ومن الجنسين في مرحلة تدريب الخوارزمية و131 صورة أخرى في مرحلة الاختبار.

حققت خوارزمية التعلم العميق مؤشرات أداء جيدة جداً حيث بلغت دقتها 90.1%. وأشار الباحثون إلى أن الخوارزمية لم تستغرق سوى 1.93 ثانية لمعالجة صورة كل مريض باستخدام وحدة معالجة رسومية متخصصة.

ما أهمية هذه الدراسة؟

يقول الباحثون إن نموذجهم ضعيف التوجيه للتعلم العميق يستطيع التنبؤ بدقة باحتمال الإصابة بفيروس كورونا في صور الصدر المقطعية المحوسبة. ومن شأن نظام كهذا أن يقلل من مشكلة نقص اختصاصيي الأشعة لتقييم حالة المرضى بناء على الصور المقطعية المحوسبة، مما يُسهم في تسريع عمليات التشخيص ويعزز جهود الحد من انتشار المرض.

 لكن يشير الباحثون إلى بعض أوجه القصور في الدراسة مثل الاعتماد على مستشفى واحد كمصدر للصور المقطعية وضعف إمكانية تفسير خوارزمية التعلم العميق المستخدمة، بالإضافة إلى صغر حجم بيانات التدريب والاختبار.

ويقول مؤلفو الدراسة -التي لم تتم مراجعتها بعد من قِبل الأقران: “إن دراستنا تقدم حلاً نموذجياً ناجحاً لتطوير أنظمة ذكاء اصطناعي طبية لاستخدامها في حالات تفشي الأمراض الجديدة مثل كوفيد-19″.

المرجع: https://www.medrxiv.org/content/10.1101/2020.03.12.20027185v1
الكشف القائم على التعلم العميق للإصابة بكوفيد-19 باستخدام الوسم الضعيف للصور المقطعية المحوسبة
جميع الحقوق محمية برخصة المشاع الإبداعي CC-BY-NC-ND 4.0