De studie vond afgelopen februari plaats in het Renmin universitair ziekenhuis in Wuhan, de hoofdstad van de Chinese provincie Hubei. Hier werd het 2019 novel coronavirus (COVID19) voor het eerst werd vastgesteld. Volgens de auteurs van het artikel in medRxiv zijn CT-scans de voorkeursmethode om op basis van beelden een diagnose te stellen van longontsteking door het coronavirus. Hun deep learning-model moet het werk van radiologen verlichten en een bijdrage leveren aan de bestrijding van het coronavirus.
CT-beelden helpen deep learning model
In totaal zijn voor de ontwikkeling van het deep learning-algoritme 46.096 CT-beelden gebruikt van 106 anonieme patiënten. Daaronder 51 patiënten waarbij het virus geconstateerd is en 55 controlepatiënten. Verder gebruikten de onderzoekers beelden van 27 patiënten die op 5 februari CT-scans ondergingen om te constateren of zij longontsteking hadden die te linken was aan het coronavirus.
Op basis van de beelden van de eerste groep patiënten bereikte het deep learning model een accuratesse van ruim 95 procent per patiënt en bijna 99 procent per CT-scan. Bij de 27 patiënten die op 5 februari een CT-scan ondergingen, had het model een accuratesse die vergelijkbaar was met die van ervaren radiologen. Met behulp van het model konden de radiologen de tijd voor het stellen van een diagnose met 65 procent beperken.
Ondersteunen bij diagnose coronavirus
De voorlopige conclusie van de betrokken onderzoekers is dat het deep learning-model in staat is om ervaren radiologen te ondersteunen bij een snellere diagnostiek. Daardoor kan ook eerder de juiste behandeling toegepast worden en eventueel tot isolatie besloten worden. Toepassing van het model kan in deze optiek bijdragen tot het onder controle krijgen van de verspreiding van het virus.
De afgelopen tijd zijn er meer initiatieven geweest om met behulp van technologie zoals robotica het coronavirus te bestrijden en om met behulp van online platforms data over het virus beter te delen.
