ENGINEERINGNET.BE - De COVID-19-pandemie confronteert medisch personeel wereldwijd met klinische en operationele uitdagingen.
CT-longscans spelen een belangrijke rol in het identificeren en monitoren van besmette patiënten. Dit wordt bevestigd door een recente Belgische studie onder leiding van onder meer viroloog Marc Van Ranst.
Het opnemen van radiologische bevindingen in de diagnose van COVID-19, doet de werkdruk van de radiologen sterk toenemen. Zij moeten nu een stijgend aantal scans analyseren en prioriteren.
Siemens Healthineers heeft daarom, in samenwerking met internationale partners en expertteams, het CT Pneumonia Analysis-algoritme ontwikkeld.
Het interactieve prototype, dat wacht op goedkeuring door de U.S. Food and Drug Administration, maakt gebruik van een AI-algoritme om automatisch abnormale patronen in de longen te identificeren en te kwantificeren.
Het deep learning-algoritme werd daarvoor getraind met data van COVID-19-patiënten wereldwijd. Het systeem identificeert de longlobben en afwijkingen die verband houden met longontsteking.
Het berekent ook volumes met hoge opaciteit, omdat is aangetoond dat deze correleren met ernstige symptomen. De resultaten zijn te gebruiken om de ernst en het verloop van de afwijkingen bij patiënten met COVID-19 symptomen te analyseren, alsmede de reactie op de behandeling.
Het CT Pneumonia Analysis-prototype is toepasbaar op beelden van alle CT-scanners, dus ook van andere leveranciers. Het is gratis beschikbaar als een plug-inapplicatie op syngo.via, het Siemens Healthineers-platform dat gebruikt wordt om digitale beelden te visualiseren en te verwerken.
Het voordeel van de syngo.via-workflow is dat de applicaties gedownload worden, waardoor zowel de medische gegevens als de verwerking ervan het ziekenhuis niet verlaten. Voor teamplay-gebruikers is de applicatie beschikbaar via het AI-rad-companion platform.
