فناوری : معرفی سامانه کووید: آی‌مد؛ تشخیص بیماری پنومونی کووید 19 از روی تصاویر سی‌تی‌اسکن قفسه سینه با استفاده از هوش مصنوعی
مقدمه
امروزه رشد روزافزون داده‌های مربوط به فناوری‌های تصویربرداری پزشکی از قبیل MRI و CT Scan، سبب گردیده تا به کارگیری هوش مصنوعی در تحلیل این تصاویر در کانون توجه مراکز تحقیقاتی و دانشگاهی کشورهای پیشرفته و نیز شرکت‌های بزرگی نظیر Google، NVIDIA و Philips قرار گرفته است. اخیراً ضرورت استفاده از الگوریتم‌های هوش مصنوعی در تشخیص بهتر ناهنجاری‌ها در تصاویر پزشکی بسیار مورد توجه قرار گرفته است و علاوه‌بر دانشگاه‌های تراز اول دنیا، شرکت‌های بسیاری نیز به این امر توجه نموده‌اند.
متاسفانه با ورود ویروس کووید 19 (COVID-19) و نرخ بالای شیوع این بیماری، تشخیص زودهنگام و دقیق این بیماری در اولویت مراکز درمانی کشور و دنیا قرار گرفته است. برای تشخیص این بیماری در حال حاضر دو روش کلی موجود است. روش اول استفاده از کیت‌های تشخیص کووید 19 است که معضلات زیر را دارد:
- وجود خطای سیستماتیک در تشخیص
- مدت زمان طولانی جهت اعلام نتیجه
- ورود و دسترسی محدود این کیت‌ها
- قیمت تمام شده نسبتاً بالا
اگرچه در هفته‌های اخیر برخی از مشکلات فوق حل شده است ولی همچنان سه نکته مهم در استفاده از کیت مطرح است:
- کاربرد کیت بیشتر در تحقیقات اپیدمیولوژیک و شناخت نخستین موارد در یک منطقه جغرافیایی مفید است.
- کیت در بررسی‌های آماری بیماران مثبت و یا مرخص جهت اطمینان از عدم سرایت استفاده می‌شود.
- در حال حاضر اکثر متخصصین ریه و عفونی، در مراکز درمانی کشور، پس از معاینه بالینی، بر اساس اسکن ریه، اقدامات درمانی بعدی را شروع می‌کنند و منتظر پاسخ کیت نبوده و حتی در صورت پاسخ منفی نیز بر اساس اسکن ریه تصمیم می‌گیرند.
به همین جهت اخیراً مراکز درمانی کشورهایی مانند چین و آمریکا به عنوان یک جایگزین، از تصاویر CT Scan قفسه سینه جهت تشخیص بهره می‌گیرند، که هم سرعت بالاتری در تشخیص داشته و هم تقریباً در تمامی کشور قابل دسترسی است. از معایب این روش عدم وجود متخصص رادیولوژی برای تشخیص در مقیاس بالا می‌باشد، مشکل دیگر در دسترس نبودن پزشک متخصص در همه ساعات شبانه‌روز در این زمینه است. همچنین تعداد بالای تصاویر بیماران و خستگی متخصصین نسبتاً معدود، در بیمارستان‌های استانی می‌تواند دقت تشخیص را پایین آورد.
در همین راستا و در جهت کمک به تشخیص بیماران، سامانه‌ای مبتنی بر هوش مصنوعی و یادگیری ماشین می‌تواند ضمن بالا بردن سرعت و دقت تشخیص، فرآیند غربالگری افراد مشکوک را در سراسر کشور و با هزینه کمتر، امکان‌پذیر می‌سازد. مشابه این محصول در 20 بهمن 1398 در جین به بهره‌برداری رسیده است و هم‌اکنون در بیش از 1500 مرکز درمانی در حال ارائه خدمت به بیماران و افراد مشکوک به ابتلای ویروس کرونا در چین می‌باشد. همچنین شرکت Alibaba چین نیز اخیراً و در پی شیوع این بیماری ابزار تشخیص مبتنی بر هوش مصنوعی خود را ارائه کرده است که دقت آن حدود 95% می‌باشد.
اهمیت و چالش‌ها
با توجه به شیوع بالای بیماری کووید 19 و نرخ بالای شیوع در بین مردم، هر روز بر تعداد افراد درگیر با این بیماری افزوده می‌شود. همچنین با توجه به ترس ناشی از ابتلا به بیماری، افراد غیربیمار زیادی به مراکز درمانی مراجعه خواهند کرد. لذا تشخیص سریع افراد سالم و بیمار، مسئله بسیار مهم و یکی از چالش‌های مراکز درمانی کشور است. همچنین به دلیل کمبود نیروی متخصص در این زمینه، وجود سامانه‌های هوشمند برای تسهیل روند تشخیص ضروری به نظر می‌رسد.
برای حل این مشکل، گروه تحقیقاتی آی‌مد (AI-MED) مرکز نوآوری هوش مصنوعی، پژوهشکده فناوری اطلاعات و ارتباطات پیشرفته دانشگاه صنعتی شریف، با استفاده از پلتفرم ابری تحلیل تصاویر پزشکی خود، در جهت کمک به مراکز درمانی و در راستای وظیفه اجتماعی و ملی خود، با همکاری گروه رادیولوژی دانشگاه علوم پزشکی تهران و دیگر دانشگاه‌های علوم پزشکی کشور، اقدام به ایجاد سامانه هوشمند تشخیص از روی تصاویر CT Scan قفسه سینه مبتنی بر یادگیری ماشین و هوش مصنوعی، بر روی پلتفرم آی‌مد کرده است. گروه تحلیل تصاویر پزشکی آی‌مد این مرکز نسخه MVP این محصول را بر روی داده‌های بیمارستان امام خمینی (ره) و مرکز رادیولوژی تهران با موفقیت ارزیابی کرده است و توانسته است با موفقیت بسیار بالا بر روی داده‌های تست بیمارستان یاس، امیراعلم و داده‌های عمومی دانشگاه Cornel آزمایش نماید.
خلاصه‌ای چالش‌هایی که با آن روبه‌رو شدیم، به شرح زیر است:
- جمع‌آوری داده از مراکز مختلف و از دستگاه‌های مختلف که قابلیت‌های متفاوتی داشته‌اند.
- عدم تطابق‌پذیری تصاویر تولید شده در مراکز مختلف که موجب می‌شود الگوریت‌هایی که با استفاده از داده‌های یک مرکز آموزش دیده‌اند نتوانند در مراکز دیگر قابل استفاده شوند.
- تفاوت ثبت تصاویر با دستگاه‌های مختلف که موجب عدم یادگیری مناسب شبکه‌های عمیق می‌گردید.
راهکار تشخیص کووید 19 با آی‌مد
با توجه به چالش‌های بالا، استفاده از یک ماژول پیش‌پردازش ضروری به نظر می‌رسد. برای پیش‌پردازش روی تصاویر، ابتدا همه کات‌های مربوط به axial، با فیلتر ground glass opacity از روی ویژگی‌های برش‌ها تشخیص داده شد. سپس همه کات‌ها به ترتیب فاصله از گردن مرتب شدند. همه کات‌ها با کیفیت یکسان (512*512) و استفاده از intercept و شیب و رنگ پیرامون زمینه، نرمال شدند. سپس در برش‌هایی که در آنها ریه وجود داشت، قسمت راست و چپ ریه با استفاده از روش‌های خوشه‌بندی در هوش مصنوعی پیدا شدند و فقط از این قسمت از برش‌ها که ریه در آنها مشخص است برای یادیگری الگوریتم استفاده شد.
نصب و راه‌اندازی
در حال نصب در بیمارستان امام خمینی (ره)، علوم پزشکی یزد، علوم پزشکی مازندران و مرکز نور قم هستیم. برای نصب بر روی سیستم‌های PACS شرکت مارکوئکس در بیش از 600 مرکز درمانی کشور به توافق رسیده‌ایم. از کشورهای کانادا، رومانی، اندوزی و ایتالیا درخواست داشته‌ایم. در حال رایزنی با بنیاد مصطفی (ص) (کشورهای اسلامی)، سازمان جهانی بهداشت WHO و سازمان ملل متحد هستیم.