یک ابزار تشخیصی جدید به کمک رایانه که توسط دانشمندان KAUST ساخته شده است می تواند به غلبه بر برخی از چالش های نظارت بر سلامت ریه به دنبال عفونت ویروسی کمک کند.
مانند سایر بیماری‌های تنفسی، کووید-۱۹ می‌تواند آسیب دائمی به ریه‌ها وارد کند، اما پزشکان برای تجسم این آسیب تلاش کرده‌اند. اسکن‌های مرسوم قفسه سینه به‌طور قابل اعتمادی علائم اسکار ریه و سایر ناهنجاری‌های ریوی را تشخیص نمی‌دهند، که ردیابی سلامت و بهبودی افراد مبتلا به مشکلات تنفسی مداوم و سایر عوارض پس از کووید را دشوار می‌کند.
به گزارش مرکز نوآوری و توسعه هوش مصنوعی “،به نقل از یورو کالرت ،روش جدید توسعه یافته توسط KAUST – معروف به Deep-Lung Parenchyma-Enhancing (DLPE) – الگوریتم های هوش مصنوعی را در بالای داده های تصویربرداری استاندارد قفسه سینه قرار می دهد تا ویژگی های بصری غیرقابل تشخیصی را نشان دهد که نشان دهنده اختلال عملکرد ریه است.
شین گائو، دانشمند کامپیوتر و زیست شناس محاسباتی، می گوید: “از طریق تقویت DLPE، رادیولوژیست ها می توانند ضایعات ریوی زیربصری جدید را کشف و تجزیه و تحلیل کنند.” او می‌افزاید: «تحلیل این ضایعات می‌تواند به توضیح علائم تنفسی بیماران کمک کند و امکان مدیریت و درمان بهتر بیماری را فراهم کند.»
این روش ابتدا هرگونه ویژگی آناتومیکی را که با پارانشیم ریه مرتبط نیست از بین می برد. بافت های درگیر در تبادل گاز به عنوان محل اصلی آسیب ناشی از COVID-19 عمل می کنند. این بدان معناست که راه‌های هوایی و رگ‌های خونی را بردارید، و سپس تصاویر باقیمانده را بهبود ببخشید تا ضایعاتی را که ممکن است بدون کمک کامپیوتر نادیده گرفته شوند، آشکار کنید.
محققان الگوریتم های خود را با استفاده از سی تی اسکن سینه هزاران نفری که به دلیل COVID-19 در بیمارستان بستری شده بودند، آموزش دادند و اعتبارسنجی کردند. آن‌ها این روش را با نظرات رادیولوژیست‌های خبره اصلاح کردند و سپس DLPE را به روشی آینده‌نگر برای ده‌ها بازمانده از COVID-19 با مشکلات ریوی، که همگی بیماری‌های شدیدی را که نیاز به درمان مراقبت‌های ویژه را تجربه کرده بودند، به کار بردند.
