Utilisation des rayons X du poumon pour diagnostiquer le COVID-19

Des chercheurs du Département d’architecture et de technologie informatiques de l’École de génie informatique (ETSII) de l’Université de Séville travaillent sur un système qui utilise des images radiographiques des poumons des patients pour aider à diagnostiquer le COVID-19. Ce système utilise l’apprentissage en profondeur pour former un modèle de réseau neuronal qui peut faire la distinction entre les patients en bonne santé, les patients atteints de pneumonie et les patients COVID-19. Ceci a été réalisé en utilisant une base de données en ligne librement accessible que les professionnels de la santé du monde entier se nourrissent de radiographies pulmonaires depuis le début de la pandémie.

«La propagation du virus SRAS-CoV-2 a transformé le COVID-19 en une épidémie mondiale. Les tests les plus couramment utilisés pour diagnostiquer la maladie sont invasifs, prennent du temps et disposent de ressources limitées. Images obtenues à partir de résonances magnétiques et / ou Les rayons X sont de plus en plus utilisés pour faciliter les tâches d’assistance au diagnostic, ayant été testés avec succès pour identifier les problèmes pulmonaires. Cependant, ces méthodes de diagnostic nécessitent un spécialiste, ce qui limite l’absorption massive de la population », explique le professeur de l’Université de Séville, Manuel Jesús Domínguez. Le chercheur ajoute que les outils de traitement peuvent aider à réduire la charge de travail des professionnels de la santé en filtrant les cas négatifs. En particulier, les techniques avancées d’intelligence artificielle telles que l’apprentissage en profondeur se sont avérées très efficaces pour identifier des modèles tels que ceux trouvés dans les tissus malades.

De même, ce travail analyse l’efficacité d’un modèle d’apprentissage profond basé sur un réseau de neurones VGG-16 pour l’identification de la pneumonie et du COVID-19 à l’aide de rayons X du torse. Les résultats, publiés dans la revue ‘Applied Sciences’, révèlent que cette méthode est efficace à environ 100% dans l’identification du COVID-19, prouvant qu’elle peut être utilisée comme une aide pour diagnostiquer cette maladie.