استفاده از روش‌هاي تصويربرداري در غربالگري افراد مشکوک به بيماري کوويد-19 يکي از مهم‌ترين اقدامات در راستاي تشخيص، پيگيري و درمان بيماران است.
استفاده از روش‌هاي تصويربرداري و به خصوص سي تي اسکن روش مناسبي براي شناسايي و غربالگري بيماران مشکوک به کرونا به شمار مي‌رود. راديوگرافي از قفسه سینه نیز بدلیل دشوار بودن تشخیص و مشهود نبودن خیلی از علائم کرونا با وجود فوری و کم دردسر بودن آن خیلی قابل استفاده نخواهد بود؛ اما با مطالعه مجموعه مقالاتی از سراسر دنیا و تحقیق بیشتر در زمینه نقش تکنولوژی و هوش مصنوعی در زمینه مقابله با کرونا دریافتیم که دانشگاه‌ها و مراکز مختلف دنیا از جمله دانشگاه ديتون (Dayton) در ايالت اوهايو آمريکا موفق به توسعه الگوریتمی شده‌اند که مي‌تواند در عرض چند ثانيه و با دقت 98 درصد ابتلاي افراد به کروناويروس را تشخيص دهد.
با در اختیار داشتن منابع و داده‌های برچسب گذاری شده دقیق از تصاویر پزشکی، این الگوریتم و نرم افزارهای مبتنی بر هوش مصنوعی را می‌توان به گونه‌ای آموزش داد تا با دقت بالا و کمترین خطا، خیلی از بیماری‌هایی که از روی تصویر قابل تشخیص هستند را شناسایی و ردگیری کنند. امروزه پیشرفت تکنولوژی و بینایی ماشینی این امکان را فراهم کرده است که جزئیات تصاویر پزشکی که ممکن است با چشم دیده نشود و یا سخت دیده شود توسط هوش مصنوعی دیده و شناسایی شود.
از همین جهت ما نیز همگام با بقیه کشورها تصمیم گرفتیم ضمن تحقیقات بیشتر در این زمینه و بررسی این الگوریتم‌ها، شناسایی ویروس کرونا از طریق X-Ray با کمک هوش مصنوعی را انتخاب نماییم و با تلاش بسیار اعضای تیم موفق شدیم نسخه اولیه و پیاده‌سازی شده این الگوریتم را در آذرماه 99 بر روی آدرس Covix.Ir برای دسترسی و آزمایش همگانی منتشر نماییم.
از دلایل انتخاب روش شناسایی ویروس کرونا از طریق X-Ray و چشم پوشی از شناسایی از طریق تصاویر سی تی اسکن، می‌توان به موارد ذیل اشاره نمود:
۱. تشخیص کرونا از طریق سی تی اسکن نسبت به رادیوگرافی آسان‌تر و سریع‌تر است و به همین جهت شناسایی ویروس کرونا از روی سی تی اسکن با کمک هوش مصنوعی احتمالا کارایی لازم را ندارد.
۲. عکسبرداری سی تی اسکن در مقایسه با X-Ray سخت تر، پر هزینه‌تر و ضدعفونی آن نیز پس از هربار استفاده بیماران دشوارتر است.
۳. عکسبردای با X-Ray سریع‌تر و برای نقاط کم برخوردار در شهرهای کوچک نیز قابل دسترس‌تر می‌باشد.
۴. با توجه به صف طولانی عکسبرداری‌های سی‌تی اسکن و آزمایش پی‌سی‌آر و تاخیر در آماده شدن نتیجه آنها* بنظر استفاده از ظرفیت تصویربرداری رادیوگرافی به شرط تشخیص مناسب و فوری بیماری کرونا از این طریق مناسب‌تر باشد.
نحوه استفاده از الگوریتم تشخیص کرونا از طریق تصاویر X-Ray:
1. وارد سایت Covix.Ir شوید.
2. عکس قفسه سینه(AP یا PA) که از قبل با فرمت Jpg ذخیره کرده اید را با کلیک بر روی Select File انتخاب کنید.
3. دکمه Analyze را فشار دهید.
در صورتی که فایل انتخاب شده فرمت مناسبی داشته باشد بلافاصله دکمه نمایش نتیجه با رنگ آبی برای شما نمایش داده می شود. کافیست حداکثر یک دقیقه صبر کنید و سپس:
4. دکمه Seen Result را فشار دهید تا نتیجه برای شما نمایش داده شود.
پس از فشردن دکمه نمایش نتیجه ممکن است با سه رنگ و نتیجه مختلف رو به رو شوید:
١. در صورتی که پس از تحلیل تصویر - کرونا تشخیص داده شود، رنگ صفحه قرمز می شود و عبارت Covid-19 با علامت + ظاهر می گردد.
٢. کم رنگ شدن ریه نیز با رنگ صفحه تیره و عبارت Fading + نمایش داده می‌شود.
٣. ریه نرمال با رنگ سبز و عبارت Covid-19 - نیز به معنی منفی بودن تست کرونا می‌باشد.
نکات مهم:
در صورت عکسبرداری از روی صفحه مانیتور کامپیوتر، بدلیل وضوح پایین تصویر، امکان بروز خطا در تشخیص بسیار بالاست.
سعی کنید برای تشخیص و استفاده از الگوریتم، عکس را کراپ شده و بدون دستکاری و حاشیه ارسال نمایید.
برای آموزش الگوریتم از دیتاست های عمومی و منتشر شده بیمارستان های سطح اروپا و دیگر نقاط دنیا که توسط پزشکان متخصص بر حسب وضیعت سلامت ریه، سن، جنسیت و... برچسب گذاری شده بودند استفاده شده است. همچنین تفاوت‌هاي جزئي و البته بسيار مهمي بين کوويد 19 و ديگر عفونت‌هاي ريوي وجود دارد که راديولوژيست‌ها ممکن است هنگام بررسي راديوگرافي قفسه سينه متوجه آنها نشوند اما توسط هوش مصنوعی قابل ردگیری و شناسایی است. در صورتی که عکس با کیفیت و با وضوح بالا به الگوریتم داده شود، دقت این الگوریتم بین ٨٥ تا ٩۰ و گاها ٩٥ درصد محاسبه شده است.
پیشنهاد می‌شود تا قبل از تست های اولیه - از این الگوریتم به تنهایی و بدون مشورت پزشک متخصص برای رد و یا پذیرش بیماران استفاده نگردد.
جمع‌بندی:
این الگوریتم برای ما نقطه شروع شناسایی و تشخیص بیماری‌ها با استفاده از هوش مصنوعی خواهد بود و از متخصصین و پزشکان عزیز کشور می‌خواهیم برای توسعه و بهبود دقت هرچه بیشتر این الگوریتم‌ها با آزمایش برنامه‌ها، نظرات و مشاوره‌های تخصصی و ارزشمندشان ما را حمایت نمایند. همچنین برای یادگیری بیشتر الگوریتم‌ها به تصاویر بیشتری از قفسه سینه نیازمندیم که قطعا بدون حمایت پزشکان و متخصصین، این امر ممکن نخواهد شد. لطفا برای ارسال تصاویر با ما در تماس باشید.
