I ricercatori di Facebook e NYU Langone Health hanno creato modelli che scansionano i raggi X per prevedere come si svilupperanno le condizioni di un paziente
Prevedere, anche con quattro giorni di anticipo, se un paziente avrà bisogno della terapia intensiva causa Covid-19? Possibile grazie agli sviluppi dell’Intelligenza Artificiale. I ricercatori di Facebook e NYU Langone Health hanno infatti sviluppato modelli di IA che scansionano le analisi di raggi X per prevedere come si svilupperanno le condizioni di una persona affetta dalla patologia. Secondo i fautori, gli ospedali potrebbero usare la tecnica per anticipare la domanda di risorse ed evitare di mandare a casa i pazienti a rischio troppo presto.
A quanto pare, il loro approccio differisce dalla maggior parte dei precedenti tentativi di prevedere il deterioramento del fisico per Covid-19, applicando tecniche di apprendimento automatico ai raggi X. Questi in genere utilizzano la supervisione di immagini di singoli intervalli di tempo, promettente, ma con un potenziale limitato dal processo laborioso di etichettatura manuale dei dati.
Cosa cambia
Ecco che allora i ricercatori hanno, per prima cosa, addestrato il loro sistema su due set di dati a raggi X pubblici, utilizzando una tecnica di apprendimento chiamata Momentum Contrast (MoCO). Ciò ha permesso di utilizzare una grande quantità di dati radiografici non Covid per allenare la rete neurale ad estrarre informazioni dalle immagini. Il tutto col fine di costruire classificatori che predicono se le condizioni di un paziente probabilmente peggioreranno. Hanno quindi messo a punto il modello con una versione estesa del dataset NYU Covid-19: a questo set di dati più piccolo di circa 27.000 immagini a raggi X di 5.000 pazienti, sono state assegnate etichette che indicavano se le condizioni del paziente erano peggiorate entro 24, 48, 72 o 96 ore dalla scansione.
Il team ha costruito un classificatore che prevede il deterioramento del paziente sulla base di una singola radiografia. Un secondo modello, utilizzando una sequenza di raggi X, aggrega le caratteristiche dell’immagine mentre un terzo stima la quantità di ossigeno supplementare necessaria ai pazienti analizzando una radiografia. «Le prestazioni del nostro modello multi-immagine hanno superato quelle di tutti i modelli a immagine singola. In confronto ai radiologi, il nostro strumento di previsione multi-immagine è risultato comparabile nella sua capacità di prevedere il deterioramento del paziente e più forte nel prevedere la mortalità» hanno spiegato.
