Английская компания Zegami, образованная выходцами из Оксфордского университета, разработала новую модель машинного обучения для более эффективного выявления случаев заболевания коронавирусной инфекцией, используя рентгенограммы легких таких больных, технологии искусственного интеллекта и средства визуализации данных.
Для доработки системы Zegami нуждается в огромном количестве рентгеновских снимков больных с COVID-19 и деталей лечения, используемых для пациентов, поэтому компания обратилась в NHS, запрашивая эти данные и предлагая свои услуги в борьбе с коронавирусом. По мнению разработчиков, им потребуется всего несколько недель, чтобы обработать достаточное количество рентгеновских снимков для того, чтобы ее новая платформа стала пригодной для использования в качестве диагностического инструмента.
Специалисты Zegami говорят, что их новая модель может помочь легче идентифицировать и отличать случаи заболевания COVID-19 от других легочных заболеваний, таких как бактериальная пневмония и вирусная пневмония, а также помочь предсказать потенциальные результаты для пациентов. Система работает за счет сравнения рентгеновских снимков легких больных с COVID-19 с рентгенограммами других предыдущих пациентов, у которых были похожие заболевания.
При разработке новой платформы Zegami изначально использовала рентгенограммы, полученных в рамках инициативы GitHub по сбору данных, которую начал Джозеф Пол Коэн, аспирант из Монреальского университета. Он стремится создать самую большую в мире коллекцию рентгеновских и компьютерных снимков легких, инфицированных COVID-19, для более быстрой и точной автоматической диагностики.
На сегодняшний день, поскольку изображения, используемые Zegami, не дают подробной информации о том, как заболели и лечились пациенты, новая модель может только помочь легче и быстрее отличить случаи инфицирования COVID-19 от других заболеваний легких.
Технологии/Тренды:
#ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Медицинские специализации:
#ЛУЧЕВЫЕ МЕТОДЫ ДИАГНОСТИКИ (УЗИ, КТ, МРТ, РЕНТГЕН)
Заболевания:
#КОРОНАВИРУС
Теги:
#ZEGAMI