Μελέτη του Ινστιτούτου Humanitas
Οι ειδικοί του Ινστιτούτου Humanitas του Μιλάνου, σε συνεργασία με τους data scientists του Humanitas AI Center (Eρευνητικό Kέντρο Tεχνητής Nοημοσύνης Humanitas) εργάστηκαν για την ανάπτυξη ενός αλγορίθμου ικανού να εντοπίσει μέσω της ανάλυσης των αποτελεσμάτων αξονικών τομογραφιών, τους πιο σοβαρά προσβεβλημένους με COVID-19 ασθενείς, που πρέπει να νοσηλευτούν σε μονάδες εντατικής θεραπείας, βελτιστοποιώντας την διαδικασία του triage. Η μελέτη, με τίτλο Volume-of-Interest Aware Deep Neural Networks for Rapid Chest CT-Based COVID-19 Patient Risk Assessment, δημοσιεύθηκε στο επιστημονικό περιοδικό International Journal of Environmental Research and Public Health.
Η εφαρμογή της τεχνητής νοημοσύνης στη διαδικασία του triage (της διαλογής των ασθενών) μπορεί να συνδράμει στη βελτιστοποίηση των εσωτερικών νοσοκομειακών πόρων και της θεραπευτικής διαδικασίας του ασθενούς, η οποία θα λαμβάνει χώρα με την αναγκαία απομόνωση, ανάλογη του επιπέδου σοβαρότητας της λοίμωξης.
Ο αλγόριθμος, θα μπορούσε να αναλύσει γρήγορα εικόνες υπολογιστικής τομογραφίας και έτσι να κατηγοριοποιήσει τους ασθενείς με COVID-19 σε τρεις ομάδες με κριτήριο την σοβαρότητα της νόσου: η πρώτη ομάδα περιλαμβάνει άτομα που μπορούν να συνεχίσουν την απομόνωση στο σπίτι, η δεύτερη ομάδα τους ασθενείς που χρήζουν νοσηλείας και η τρίτη ομάδα περιλαμβάνει τους πιο σοβαρά προσβεβλημένους ασθενείς. Οι τελευταίοι όντας εκείνοι που πρέπει να νοσηλευτούν έγκαιρα στην μονάδα εντατικής θεραπείας. Η μέθοδος θα μπορούσε να βελτιστοποιήσει τη διαχείριση του τεράστιου όγκου δεδομένων που παράγεται διαρκώς από τις νοσοκομειακές εγκαταστάσεις.
Την μελέτη που δημοσιεύθηκε στο International Journal of Environmental Research and Public Health θα ακολουθήσει μια δεύτερη φάση δοκιμών και επικύρωσης του αλγορίθμου στην κλινική πρακτική.
Πηγη:HealthDaily