Ứng dụng trí tuệ nhân tạo để phát hiện bệnh COVID-19 từ ảnh chụp X quang/ CT phổi

Ứng dụng trí tuệ nhân tạo để phát hiện bệnh COVID-19 từ ảnh chụp X quang/ CT phổi

Dịch bệnh gây bởi vi rút Corona (2019-nCoV) đã được tổ chức Y tế thế giới (WHO) tuyên bố là tình trạng y tế công cộng khẩn cấp, có tính chất đại dịch, theo như báo cáo ngày 11 tháng 3 năm 2020. Tính tới thời điểm hiện tại, dịch bệnh COVID-2019 đã xuất hiện tại 117 quốc gia và vùng lãnh thổ với tổng số 234.073 ca nhiễm bệnh, trong đó 9.840 ca tử vong (theo như báo cáo của WHO ngày 21 tháng 3 năm 2020). Số lượng ca nhiễm tăng lên nhanh chóng dẫn đến tình trạng thiếu hụt nghiêm trọng bộ xét nghiệm vi rút. Chính vì vậy hình ảnh chuẩn đoán X quang hoặc CT phổi có thể là một công cụ hữu hiệu, là một trong những phòng tuyến quan trọng giúp cho việc phát hiện các ca nhiễm mới bên cạnh bộ kít thử RNA. Nghiên cứu của Wang và nhóm cộng sự đã chỉ ra khả năng hứa hẹn của việc sử dụng trí tuệ nhân tạo để phát hiện COVID-19 từ ảnh chụp cắt lớp CT phổi của người bệnh.

PHƯƠNG PHÁP THỰC HIỆN
Thu thập hình ảnh cắt lớp CT phổi của người bệnh đã được xác nhận dương tính với virus Corona, cùng với hình ảnh cắt lớp CT phổi của các bệnh nhân thông thường. Bộ số liệu hình ảnh này sẽ được sử dụng để huấn luyện cho máy tính. Trong nghiên cứu này, nhóm nghiên cứu sử dụng bộ thư viện KERAS trên nền ngôn ngữ Python để xây dựng mô hình huấn luyện từ dữ liệu đầu vào. Dữ liệu đầu vào được phân loại thành hai loại với nhãn dán: dương tính với virus và âm tính với virus. Hình ảnh chụp xạ hình tia X của 50 ca nhiễm được cung cấp bởi Tiến sỹ Joseph Paul Cohen, tại đại học De Montreal, Mila. Hình ảnh của các ca âm tính được lấy một phần từ bộ số liệu bao gồm 100.000 hình ảnh chuẩn đoán X quang ngực từ Viện nghiên cứu Sức khỏe Quốc gia, Mỹ. Khả năng chuẩn đoán chính xác của chương trình sau khi huấn luyện bởi bộ số liệu kể trên lên tới 82%, thời gian xử lý kết quả cho mỗi ảnh vào khoảng 0.7s. Khả năng chuẩn đoán của chương trình có thể tăng lên nếu bổ sung thêm bộ dữ liệu dùng để huấn luyện cho mô hình học máy đã xây dựng. Thời gian xử lý của chương trình khá nhanh (chương trình đang chạy hoàn toàn với CPU), để giảm thời gian xử lý có thể cho chương trình hoạt động trên GPU lúc này có thể giảm thời gian xử lý đến 10 lần.

NHÓM NGHIÊN CỨU VIỆN VẬT LÝ KỸ THUẬT: BÙI NGỌC HÀ & TRẦN THÙY DƯƠNG