System wspomagający diagnostykę COVID-19 powstaje na Politechnice Śląskiej

System wspomagający diagnostykę COVID-19 powstaje na Politechnice Śląskiej

Kalkulator ryzyka – system opracowany na Politechnice Śląskiej w Gliwicach przy współpracy ze Szpitalem Specjalistycznym nr 1 w Bytomiu – pomoże we wstępnym wykluczeniu COVID-19 wśród osób z objawami typowymi także dla innych chorób.

Naukowcy z Politechniki Śląskiej wspólnie ze specjalistami ze Szpitala Specjalistycznego nr 1 w Bytomiu pracują nad internetowym systemem, który pozwoli wstępnie wykluczyć COVID-19 u osób, które podejrzewają u siebie zachorowanie, ale nie mają objawów COVID-19.

Celem projektu jest zapewnienie narzędzia dostępnego online i umożliwiającego szybkie wyodrębnienie osób rzeczywiście zakażonych koronawirusem. Z inteligentnego systemu oceny ryzyka skorzystają zarówno pacjenci, jak i lekarze. Naukowcy mają nadzieję, że dzięki niemu zmaleje liczba osób, które kierują się do szpitali zakaźnych, błędnie rozpoznając symptomy.

Robocza nazwa systemu to DECODE (a ang. Data drivEn COVID-19 DEtection). – Algorytm diagnostyczny tworzony jest w oparciu o takie dane, jak wiek, płeć, objawy kliniczne, choroby współistniejące, wywiad z pacjentem i inne czynniki ryzyka zakażenia SARS-CoV-2. Mógłby on posłużyć pacjentom lub lekarzom różnej specjalności w szybszym zdiagnozowaniu lub wykluczeniu zakażenia koronawirusem – wyjaśnia kierownik Oddziału Obserwacyjno-Zakaźnego i Hepatologii Szpitala Specjalistycznego nr 1 w Bytomiu dr hab. Jerzy Jaroszewicz.

Aby zmaksymalizować skuteczność algorytmu, twórcy zwiększyli liczbę sprawdzanych przez niego wartości. – Podobne serwisy zostały już opracowane, ale zadają one np. tylko trzy pytania, te najważniejsze, dotyczące temperatury, duszności i kaszlu. To tymczasem – jak sprawdziliśmy – nie zawsze jest objawem COVID-19, jeśli np. równolegle panuje grypa. Rozszerzyliśmy ten zakres o bardziej szczegółowe pytania, np. o objawy neurologiczne. Takich cech diagnostycznych jest dziewięć. Potem pytamy o choroby współistniejące – dodał prof. Marek Sikora z Politechniki Śląskiej.

Pomysł na DECODE zrodził się w czasie rozmowy dziekan Wydziału Automatyki, Elektroniki i Informatyki Politechniki Śląskiej prof. Joanny Polańskiej z dr. Jaroszewiczem na temat tego, jak komputery mogą pomóc w walce z epidemią koronawirusa.

– Zebraliśmy już prawie 3 tys. ankiet diagnostycznych od osób diagnozowanych w szpitalu w Bytomiu na przestrzeni ostatnich kilku miesięcy. Opracowaliśmy wspólnie z lekarzami wzór ankiety, który będzie najprawdopodobniej wdrożony w innych szpitalach. Nasza współpraca z zespołem profesora Jaroszewicza rozwija się intensywnie od kilku miesięcy – podkreśla prof. Polańska.

Algorytm nie ma zastąpić lekarza, testów molekularnych PCR czy badań radiologicznych, ale może pomóc w optymalizacji ich wykonywania. Ma być na bieżąco aktualizowany i dostosowany do uwarunkowań lokalnych, takich jak np. różne objawy na różnym terenie.

Twórcy systemu przyznają, że przed nimi jeszcze wiele analiz i pracy. – Aby kalkulator ryzyka był jak najlepszy, musimy dostarczyć jak największą liczbę danych od chorych z różnych lokalizacji, dlatego zachęcamy inne szpitale do udziału w tym projekcie. Mamy nadzieję, że wstępna wersja będzie gotowa jeszcze przed spodziewanym wzrostem zachorowań we wrześniu – deklaruje dr hab. Jerzy Jaroszewicz.

To kolejne przedsięwzięcie realizowane na Politechnice Śląskiej, w którym metody uczenia maszynowego wspierają diagnostykę COVID-19. Wcześniej zaprezentowane zostały dwa odrębne rozwiązania: CIRCA i CORNELIA. Internetowy system CIRCA dokonuje na podstawie bazy danych (1,2 tys. zdjęć RTG) rozróżnienia płuc zdrowych oraz tych ze zmianami charakterystycznymi dla zapalenia płuc w COVID-19 oraz innych stanów zapalnych. Z kolei CORNELIA – Coronavirus Neurological Impairment – umożliwia ankietyzację osób ze zmianami neurologicznymi, które pojawiły się w przebiegu COVID-19. Celem tego projektu jest zweryfikowanie hipotezy o nasilonym występowaniu tego typu zaburzeń w trakcie choroby oraz ocena skali powikłań neurologicznych po jej wyleczeniu.

Anna Gumułka
Fot. Pixabay