In onderzoek dat onlangs is gepubliceerd in Medical Image Analysis heeft een team van ingenieurs laten zien hoe een nieuw algoritme kon voorspellen of een COVID-19-patiënt al dan niet ICU-interventie nodig zou hebben. Deze op kunstmatige intelligentie gebaseerde benadering zou een waardevol hulpmiddel kunnen zijn bij het bepalen van een juiste behandelingskuur voor individuele patiënten.
Het onderzoeksteam, onder leiding van Pingkun Yan, docent biomedische technologie aan het Rensselaer Polytechnic Institute, ontwikkelde deze methode door thoraxcomputertomografie (CT) -beelden te combineren die de ernst van de longinfectie van een patiënt beoordelen met niet-beeldvormende gegevens, zoals demografische gegevens. informatie, vitale functies en resultaten van laboratoriumbloedonderzoeken. Door deze datapunten te combineren, kan het algoritme uitkomsten voor de patiënt voorspellen, met name of een patiënt al dan niet IC-interventie nodig heeft.
Datasets
Het algoritme is getest op datasets die zijn verzameld van in totaal 295 patiënten uit drie verschillende ziekenhuizen: een in de Verenigde Staten, een in Iran en een in Italië. Onderzoekers waren in staat om de voorspellingen van het algoritme te vergelijken met het soort behandeling dat een patiënt uiteindelijk nodig had.
“Als gebruiker van AI geloof ik in de kracht ervan”, zegt Yan, die lid is van het Centrum voor Biotechnologie en Interdisciplinaire Studies (CBIS) van Rensselaer. “Het stelt ons echt in staat om een grote hoeveelheid gegevens te analyseren en ook de kenmerken te extraheren die voor het menselijk oog misschien niet zo duidelijk zijn.”
Risico
Deze ontwikkeling is het resultaat van onderzoek dat werd ondersteund door een recente subsidie van de National Institutes of Health, die werd toegekend om oplossingen te bieden tijdens deze wereldwijde pandemie. Terwijl het team zijn werk voortzet, zei Yan, zullen onderzoekers hun nieuwe algoritme integreren met een ander algoritme dat Yan eerder had ontwikkeld om het risico van een patiënt op hart- en vaatziekten te beoordelen met behulp van CT-scans op de borst.
“We weten dat een sleutelfactor bij de COVID-mortaliteit is of een patiënt onderliggende aandoeningen heeft en dat hartaandoeningen een significante comorbiditeit zijn”, aldus Yan. “Hoeveel dit bijdraagt aan hun ziekteprogressie is op dit moment tamelijk subjectief. We moeten dus een kwantificering hebben van hun hartaandoening en vervolgens bepalen hoe we dat in deze voorspelling opnemen.”
Mogelijkheden
“Dit kritische werk, geleid door professor Yan, biedt een bruikbare oplossing voor clinici die midden in een wereldwijde pandemie zitten”, aldus Deepak Vashishth, de directeur van CBIS. “Dit project benadrukt de capaciteiten van Rensselaer expertise in bioimaging gecombineerd met belangrijke partnerschappen met medische instellingen.”
Yan wordt bij Rensselaer vergezeld door Ge Wang, een bijzonder hoogleraar biomedische technologie en lid van CBIS, evenals afgestudeerde studenten Hanqing Chao, Xi Fang en Jiajin Zhang. Het Rensselaer-team werkt samen met het Massachusetts General Hospital. Wanneer dit werk is voltooid, zei Yan, hoopt het team zijn algoritme te vertalen naar een methode die artsen van Massachusetts General kunnen gebruiken om hun patiënten te beoordelen.
“We zien eigenlijk dat de impact veel verder zou kunnen gaan dan COVID-ziekten. Bijvoorbeeld patiënten met andere longaandoeningen”, zei Yan. “Het beoordelen van hun hartaandoening, samen met hun longaandoening, zou hun sterfterisico beter kunnen voorspellen, zodat we ze kunnen helpen hun aandoening te beheersen.”
