Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les chercheurs de mont Sinaï sont des premiers pour employer le modèle d'AI pour analyser les patients COVID-19

Les chercheurs de mont Sinaï sont les premières dans le pays pour employer l'artificial intelligence (AI) combiné avec la représentation, et cliniques caractéristiques pour analyser des patients présentant la maladie de coronavirus (COVID-19).

Ils ont développé un seul algorithme qui peut rapidement trouver COVID-19 basé sur la façon dont l'affection pulmonaire examine en tomodensitométrie (échographies de CT) de la poitrine, en combination avec l'information patiente comprenant des sympt40mes, l'âge, le bloodwork, et le contact possible avec quelqu'un infecté avec le virus.

Cette étude, publiée dans la question du 19 mai du médicament de nature, a pu aider des hôpitaux en travers du monde rapidement pour trouver le virus, patients d'isolat, et l'empêche d'écarter pendant cette pandémie.

La « AI a le potentiel énorme pour analyser un grand nombre de caractéristiques rapidement, un attribut qui peut avoir un impact important dans une situation telle qu'une pandémie.  »

« Au mont Sinaï, nous avons identifié ceci tôt et pouvions mobiliser les compétences de notre corps enseignant et de nos collaborations internationales pour travailler à mettre en application un modèle du roman AI utilisant des caractéristiques de CT des patients de coronavirus aux centres médicaux chinois. »

Nous pouvions prouver que le modèle d'AI était aussi précis qu'un radiologue expérimenté en diagnostiquant la maladie, et améliorer même dans certains cas où il n'y avait aucun signe clair d'affection pulmonaire sur le CT. »

Zahi Fayad, PhD., directeur, auteur important d'étude, système de santé de mont Sinaï

« Nous travaillons maintenant à la façon employer le ce à l'intérieur des frontières et partager nos découvertes avec d'autres ; cet ensemble d'outils peut facilement être mondial déployé à d'autres hôpitaux, en ligne ou intégré dans leurs propres systèmes. »

Cette recherche examine une étude précédente de mont Sinaï qui a recensé une configuration caractéristique de la maladie dans les poumons des patients COVID-19 et a montré comment elle se développe au cours d'une moitié de semaine et.

Les échographies impliquées d'étude neuve de plus de 900 patients que le mont Sinaï a reçus des collaborateurs institutionnels aux hôpitaux en Chine. Les patients ont été admis à 18 centres médicaux dans 13 provinces chinoises entre le 17 janvier et le 3 mars 2020.

Les échographies ont compris 419 ont confirmé des cas de COVID-19-positive (la plupart de l'un ou l'autre s'était récent déplacé à Wuhan, Chine, où la manifestation a commencé, ou a eu le contact avec un patient COVID-19 infecté) et 486 échographies de COVID-19-negative.

Les chercheurs ont également eu l'information clinique des patients, y compris des résultats de la prise de sang montrant toutes les anomalies dans des comptes de globule blanc ou des comptes de lymphocyte ainsi que leur âge, sexe, et sympt40mes (fièvre, toux, ou toux avec le mucus).

Elles se sont concentrées sur des échographies et des prises de sang de CT puisque les médecins en Chine emploient chacun de ceux là pour diagnostiquer des patients avec COVID-19 s'ils entrent avec la fièvre ou ont été en contact avec un patient infecté.

L'équipe de mont Sinaï a intégré des caractéristiques de ces échographies de CT avec l'information clinique pour développer un algorithme d'AI. Il imite le flux de travail des utilisations d'un médecin de diagnostiquer COVID-19 et donne une prévision finale de diagnostic positif ou négatif.

Le modèle d'AI produit des probabilités indépendantes d'être COVID-19-positive basé sur des images de CT, des caractéristiques cliniques, et les deux combinées.

Les chercheurs ont au commencement formé et ont réglé avec précision l'algorithme sur des caractéristiques de 626 sur 905 patients, et alors ont vérifié l'algorithme sur les autres 279 patients au groupe de travail (divisez entre COVID-19-positive et formes négatives) pour juger la sensibilité du test ; une sensibilité plus élevée signifie un meilleur rendement de dépistage.

L'algorithme a été montré pour avoir statistiquement une sensibilité sensiblement plus élevée (84 pour cent) comparée à 75 pour cent pour des radiologues évaluant les images et les caractéristiques cliniques. Le système d'AI a également amélioré le dépistage des patients de COVID-19-positive qui ont eu des échographies négatives de CT.

Particulièrement, il a identifié 68 pour cent de cas de COVID-19-positive, alors que les radiologues ont interprété tous ces cas en tant que négatif dû à l'apparence négative de CT.

Le dépistage amélioré est particulièrement important pour maintenir des patients d'isolement si les échographies ne montrent pas l'affection pulmonaire quand des patients des premiers sympt40mes actuels (puisque l'étude précédente a prouvé que l'affection pulmonaire n'apparaît pas toujours sur le CT pendant les jours premiers) et les sympt40mes COVID-19 sont souvent non spécifiques, ressemblant à une grippe ou à un rhume, ainsi il peut être difficile de diagnostiquer.

Les échographies de CT ne sont pas très utilisées pour le diagnostic de COVID-19 aux Etats-Unis ; cependant, M. Fayad explique que la représentation peut encore jouer un rôle majeur.

La « représentation peut aider à donner un diagnostic rapide et précis ; les essais en laboratoire peuvent reprendre à deux jours, et il y a la possibilité de négatifs trompeurs ; la représentation de signification peut aider à isoler des patients immédiatement si eu besoin, et managez les moyens d'hôpital effectivement. »

« La sensibilité élevée de notre modèle d'AI peut fournir « une deuxième opinion » aux médecins dans les cas où le CT est l'un ou l'autre de négatif (dans le cours tôt de l'infection) ou découvertes non spécifiques d'expositions, qui peuvent être courants. »

« Elle est quelque chose qui devrait être considérée sur un plus répandu, particulièrement aux Etats-Unis, où actuel nous avons plus de capacité de rechange pour la lecture de CT que dans les laboratoires pour des tests génétiques, » a dit M. Fayad, qui est également un professeur de la diagnose, moléculaire et de la radiologie interventionnelle à l'École de Médecine d'Icahn au mont Sinaï.

« Cette étude est importante parce qu'elle prouve qu'un algorithme d'artificial intelligence peut être formé pour aider avec l'identification précoce de COVID-19, et ceci peut être employé dans le réglage clinique à la sélection ou donner la priorité au bilan des patients malades tôt dans leur admission au service des urgences, » dit Matthew Levin, DM, directeur de l'équipe clinique de la Science des caractéristiques du système de santé de mont Sinaï, et d'un membre du centre d'informatique du mont Sinaï COVID.

« C'est un premier concept d'épreuve que nous pouvons nous appliquer à nos propres caractéristiques patientes pour développer davantage les algorithmes qui sont plus spécifiques à notre région et diverses populations. »

Des chercheurs de mont Sinaï sont maintenant concentrés sur développer davantage le modèle pour trouver que des indices au sujet d'à quel point les patients suffiront basé sur des subtilités dans leurs caractéristiques de CT et information clinique. Ils disent que ceci pourrait être important pour optimiser la demande de règlement et pour améliorer des résultats.