Yapay Zeka ve Tanısal Yaklaşımlar

 Günümüzün en büyük sorunlarından birisi olan hastalıkları tanımlamada "big data" ve "yapay zeka" kullanımının bir örneği yayınlandı. Wuhan ve Shenzen bölgesindeki hastaneler ve üniversitelerin ortaklaşa gerçekleştirdiği bu projede yapay zeka kullanılarak Covid-19 için bilgisayarlı tomografi ile ayırıcı tanı konulmaya çalışıldı.

Basit bir metod ile anlatacak olursak; hastaların akciğer dokusunda meydana gelen enfeksiyona pnömoni diyoruz. Başlıca bakteri, virüs ve mantar kökenli meydana gelen bu enfeksiyonların akciğer üzerinde bıraktığı etkiler birbirinden farklılık göstermektedir. Ancak bu farklılıklar doğrudan birbirinden ayıracak kadar net çizgiler ile ortaya konulamadığı için salgının başından bu yana tarama amacıyla tomografi kullanımı konusu tartışma sebebi olmuştur.

 

RT-PCR ile viral metaryalin incelenmesi ile gerçekleşen tanı testinin yanı sıra, büyük bir topluluktan elde edilen verilerin işlenmesi sonucunda bilgisayarlı tomografi görüntüleri ile de tanı koymayı hedefleyen bu projede 4356 hastanın tomografisi incelendi. Bunlardan 3322'sinin pnömonisi mevcuttu.

 

 

 

Bir bilgisayar programı ile yukarıdaki şemada belirtilen algoritma uygulanarak hastalar modelleme işlendi.

Bilgisayar programına erişmek için tıklayınız. COVNET

COVNET konvensiyonal bir ağ kullanan yapay zeka algoritmasıyla, görüntüleri sınıfladı. Oluşturulan kesitsel görüntüler bir havuz içerisinde işlendikten sonra her veri sınıfı için haritalandırma çıkartılmış. Sonuç olarak Covid-19, Toplum kökenli pnömoni ve Pnömoni olmayan hastalara yönelik bir algoritma geliştirilmiş oldu.

 

Pnömoni olmayan hastalar için oluşturulmuş bir haritalandırma sistemi yukarıdaki resimde görülmektedir.

 

 

 

Covid-19 hastasına ait haritalandırma ve hastalığın tutulum yerlerinin yapay zeka ile algılandığı ve işlendiği görüntü yukarıdadır.

Çalışmanın sonucuna göre COVNET 'in Covid-19 analizindeki duyarlılığı %90, özgüllüğü ise 96 olarak bulunmuştur. RT-PCR ile yapılan testlerin duyarlılığın %70'lerde olduğu düşünüldüğünde tarama konusunda daha başarılı sonuçlar ortaya çıkartacağı ortadadır.

Kaynak: Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT

Not: 

1. Duyarlılık; bir testin toplumdaki gerçek hastaları saptayabilme oranıdır.
2. Özgüllük: bir testin gerçekte hasta olmayanları saptayabilme oranıdır.