Algoritmus systému podpory rozhodování pro diagnostiku COVID-19

COVID-19 je infekční onemocnění způsobené nově objeveným koronavirem, který byl poprvé identifikován v prosinci 2019 v čínském Wuhanu. Poté byla Světová zdravotnická organizace (WHO) dne 11. března 2020 popsána a oznámena nová epidemie koronaviru jako pandemie.

Reverzní transkripčně-polymerázová řetězová reakce (RT-PCR) je v současnosti zlatým standardem pro diagnostiku COVID-19. Vzhledem k vysokému výskytu falešně negativních výsledků (% 10–50) však rozhodnutí o diagnóze a léčbě nezávisí pouze na RT-PCR. Důležitá je také klinická prezentace pacienta a radiologické nálezy. Nicméně ani klinický obraz, ani nálezy na počítačové tomografii (CT) nejsou specifické pro COVID-19. V důsledku těchto problémů je diagnostika onemocnění a ochrana zdraví komunity obtížnější. Vyšetřovatelé této studie předpokládali, že systém podpory rozhodování založený na hlubokém učení může pomoci s definitivní diagnózou COVID-19. Cílem je vyvinout algoritmus pro podporu rozhodování založený na hlubokém učení založený na klinické prezentaci pacientů, laboratorních a CT nálezů a dat RT-PCR. Dříve byly vyvinuty algoritmy hlubokého učení s využitím široce známých architektur hlubokých neuronových sítí, jako jsou Inception, UNet, ResNet. Všechny tyto studie však byly založeny na nálezech CT. V literatuře neexistuje žádná hloubková studie, která by kombinovala klinické, radiologické a laboratorní nálezy pacientů.

Projekt vychází z dostupných dat pacientů s COVID-19, která budou získána od Ministerstva zdravotnictví. Poté budou data vyhodnocena z hlediska relevantnosti a spolehlivosti a označena pro výcvik stroje. Po anonymizaci údajů budou údaje zpracovány podle předem stanovených kritérií zahrnutí-vyloučení. Údaje z CT hrudníku budou označeny jako typické / neurčité / atypické / negativní pro pneumonii COVID-19. Také CT snímky pacientů se známými nemocemi, které nejsou COVID-19, budou označeny pro trénování stroje. Poté budou označeny horečka, počet lymfocytů, poměr neutrofilů k lymfocytům, kontaktní informace, nálezy RT-PCR. Následně budou pacienti označeni a pomocí těchto seskupených a označených dat bude stroj trénován metodou hlubokého učení. Po tréninkové fázi bude algoritmus testován a pokud stroj dosáhne cílové specifičnosti a citlivosti, bude testován prototyp. A poté bude prototyp zabudován do nemocničního softwarového systému. Tento software a algoritmus poslouží jako systém včasného varování pro lékaře a poskytne lepší diagnostickou rychlost, zejména se snížením falešně negativních výsledků. Účinky pandemie nelze měřit pouze počtem diagnostikovaných a izolovaných lidí nebo poskytnutou léčbou. Pandemie ovlivňuje nejen zdraví komunity, ale také psychický stav jednotlivců, vzdělání, vyučovací metody, pracovní modely, každodenní životní styl, chování producentů/spotřebitelů, rovnováhu mezi nabídkou a poptávkou; jinými slovy každá oblast života. Kromě toho pandemie způsobuje dlouhodobé škody, které je těžké zvrátit. Software zvýší úspěšnost diagnostiky, pomůže zvládnout pandemii a minimalizovat vedlejší škody uvedené výše. Vyšetřovatelé se domnívají, že produkt, který bude vyroben na konci tohoto projektu, bude velkým přínosem pro zvládnutí očekávané sekundární vlny COVID-19.