(Tridsanu Thophet/Getty Images) Es klingt einfach, aber um jemanden zu behandeln, von dem Sie vermuten, dass er an COVID erkrankt ist, müssen Sie bestätigen, dass er tatsächlich damit infiziert ist Coronavirus .
Im Vereinigten Königreich kann man dies leicht als selbstverständlich betrachten – wir verfügen seit Anfang des Jahres über eine zuverlässige Nachweismethode zur Diagnose infizierter Patienten, die allgemein verfügbar ist Pandemie . Dies ermöglichte eine zeitnahe Behandlung und Pflege der Menschen und rettete so Leben.
Die wichtigste Methode zur Feststellung, ob jemand an COVID erkrankt ist, wird als Reverse-Transkriptions-Polymerase-Kettenreaktionstest – oder RT-PCR – bezeichnet. Dieser Prozess kann feststellen, ob das genetische Material des Coronavirus in einer Probe vorhanden ist, die einer Person entnommen wurde. Normalerweise handelt es sich hierbei um einen Abstrich aus der Nase oder dem Rachen.
Diese Tests werden normalerweise in einem Labor durchgeführt, und aufgrund der erforderlichen Ressourcen ist die Durchführung im großen Maßstab eine große Herausforderung.
Länder mit hohem Einkommen konnten ihre COVID-Tests mit großem Aufwand ausweiten, aber in einigen Ländern mit niedrigem und mittlerem Einkommen – wie Pakistan, Sri Lanka, Indien und vielen afrikanischen Ländern – war das Gesundheitspersonal nicht in der Lage, die Tests durchzuführen führen aufgrund fehlender Ressourcen eine große Anzahl von COVID-Tests durch. Dies ist insbesondere an abgelegenen Orten ein Problem.
Hinzu kommt, dass PCR-Tests nicht sehr schnell sind. In der Regel dauert es etwa zwei Stunden und länger, wenn zusätzliche Zeit benötigt wird, um die Testprobe zum Testen in ein geeignetes Labor zu bringen.
In vielen Fällen wird bestätigt, ob jemand das hat Virus muss viel schneller geschehen. Wenn jemand schwer an COVID erkrankt ist, muss die Behandlung wirklich sofort beginnen. Eine schnelle Diagnose der Krankheit kann lebensrettend sein.
Also, Unser Team hat nachgeforscht ob eine schnelle und zuverlässige Alternative zu PCR-Tests durch die Verwendung allgemein verfügbarer Krankenhausgeräte – nämlich der in der Radiographieabteilung verfügbaren Geräte – bereitgestellt werden könnte.
COVID zeigt sich in Brustscans
Bildgebende Verfahren des Brustkorbs – wie Computertomographie (CT) oder Röntgen – können von Radiologen analysiert werden, um nach visuellen Markern einer COVID-Infektion zu suchen.
Untersuchungen Zu Beginn der Pandemie wurde festgestellt, dass in den Röntgenaufnahmen des Brustkorbs von Patienten mit dem Virus Anomalien auftraten, was dazu führte Weltgesundheitsorganisation Zu empfehlen Verwendung von Röntgenaufnahmen zur Diagnose von COVID, wenn keine PCR-Tests verfügbar sind, insbesondere bei schweren Patienten.
Aber auch hier gibt es einen Ressourcenengpass. Die Verwendung von Röntgen- und CT-Scans zur Diagnose erfordert, dass Radiologen die Brustbilder sorgfältig entschlüsseln, da die visuellen Hinweise auf COVID schwer zu erkennen sein können. Also haben wir eine erstellt künstliche Intelligenz Stattdessen soll das Programm dies tun, um die Diagnose zu beschleunigen und es den Radiologen zu ermöglichen, ihrer Arbeit nachzugehen.
Das Programm basiert auf einem sogenannten Deep Convolutional Neural Network, einer Art Algorithmus, der typischerweise zur Analyse von Bildern verwendet wird. Solche Algorithmen können die Hauptmerkmale von Bildern heraussuchen und diejenigen klassifizieren, die Ähnlichkeiten und Unterschiede aufweisen.
Wir begannen mit dem Training und Testen verschiedener Algorithmen – einige bereits vorhanden, andere von uns erstellt – anhand einer Datenbank mit rund 3.000 Röntgenaufnahmen des Brustkorbs. Dabei handelte es sich um eine Mischung aus Scans von Patienten mit COVID, gesunden Personen und Menschen mit Viren Lungenentzündung .
Im Laufe unserer Arbeit haben wir die Algorithmen optimiert, damit sie die Unterschiede zwischen den Röntgenstrahlen besser erkennen können. Im Laufe der Zeit stellten wir fest, dass einer eindeutig besser abschnitt als die anderen.
Anschließend haben wir diesen Top-Performer bewertet, indem wir ihm völlig neue Röntgenbilder vorgelegt haben, die er zuvor noch nicht gesehen hatte, und ihn gebeten haben, festzustellen, ob sie jeweils von einem COVID-Patienten stammten oder nicht. Das Programm hat in 98,04 Prozent der Fälle die richtige Antwort gegeben.
Wie könnte man das nutzen?
Aufgrund dieser Ergebnisse haben wir eine App entwickelt, mit der das Programm außerhalb unseres Labors ausgeführt werden kann, sodass es an Orten eingesetzt werden kann, an denen es einen Unterschied machen kann. Die App benötigt zum Betrieb nicht viel Computerspeicher oder Strom und kann daher auf normalen PCs und Laptops installiert werden.
Es wurde so konzipiert, dass keine zusätzliche Ausrüstung erforderlich ist. Die Röntgenaufnahmen des Patienten müssen lediglich über USB oder das Internet in die App hochgeladen werden. Anschließend analysiert der Algorithmus das Bild und gibt ein Ergebnis zurück, das angibt, ob es COVID-positiv ist oder nicht.
Diese App wird die PCR nicht ersetzen. Aber es könnte in Notaufnahmen, in denen Patienten mit schweren Erkrankungen eingeliefert werden, sehr effektiv sein. Dies würde es ermöglichen, schnell eine Röntgenaufnahme des Brustkorbs anzufertigen und zu analysieren, und wenn der Patient positiv ist, könnte die Behandlung sofort beginnen, anstatt auf Laborergebnisse warten zu müssen.
Dies ist nicht nur von Vorteil für die Patienten, sondern könnte auch den Übergang zu geeigneten Stationen an anderer Stelle im Krankenhaus beschleunigen und so die Belastung der stark beanspruchten Notaufnahmeabteilungen verringern.
Die App könnte auch bei der Diagnose von COVID-Fällen in Ländern mit niedrigem Einkommen und abgelegenen Gebieten, in denen PCR nicht ohne weiteres verfügbar ist, sehr effektiv sein. Als nächsten Schritt planen wir daher, es im Rahmen des EU-finanzierten Projekts in Pakistan zu testen SICHER RH Projekt, um zu sehen, welche Auswirkungen es in der realen Welt haben kann. 
Naeem Ramzan , Professor für Technische Informatik, Universität des Westens Schottlands ; gabriel okolo , Doktorand, Fakultät für Informatik, Ingenieurwesen und Physik, Universität des Westens Schottlands , Und Stamos Katsigiannis , Assistenzprofessor für Informatik, Universität Durham .
Dieser Artikel wurde erneut veröffentlicht von Die Unterhaltung unter einer Creative Commons-Lizenz. Lies das originaler Artikel .