Selon une étude menée par Johns Hopkins University publiée Journal of Thoracic Imaging, les radiologues ont découvert qu'un algorithme d'apprentissage en profondeur pour détecter la tuberculose dans les radiographies pulmonaires pourrait être utile pour identifier les anomalies pulmonaires liées au COVID-19. Selon ces derniers, les résultats suggèrent que les systèmes d'apprentissage profond pourraient potentiellement aider les cliniciens à trier et à traiter ces patients à haut risque, ainsi qu'à surmonter la rareté des images COVID-19 disponibles pour le développement de l'apprentissage automatique.
L'étude était basée sur l'observation que les anomalies des rayons X thoraciques de la COVID-19 semblent très similaires à celles des patients tuberculeux. Les radiographies thoraciques ont été proposées comme un outil potentiellement utile pour évaluer les patients COVID-19, en particulier dans les services d'urgence débordés et les centres de soins d'urgence. Les chercheurs ont émis l'hypothèse qu'un modèle d'apprentissage en profondeur déjà formé pour identifier la tuberculose dans les rayons X serait également fonctionnent bien pour identifier les signes du nouveau coronavirus.
Les chercheurs ont recueilli 88 radiographies thoraciques frontales accessibles au public provenant de patients avec des diagnostics confirmés de COVID-19. Sur les 88, le modèle a correctement classé 78 d'entre eux comme «positifs» pour COVID-19, pour un taux de réussite de 89%.
Bien que ces résultats soient encourageants, les chercheurs soulignent les limites de leur étude. À titre d'exemple, bien que le modèle puisse identifier les rayons X positifs au COVID-19, il peut ne pas être capable de le distinguer des autres maladies qui provoquent des anomalies pulmonaires similaires.
Aucun commentaire:
Enregistrer un commentaire