La pandemia COVID-19 continua ad avere un effetto devastante sulla salute e sul benessere della popolazione globale. Un passo fondamentale nella lotta contro il COVID-19 è lo screening efficace dei pazienti infetti, e uno dei principali approcci di screening è l'esame radiologico con radiografia toracica. Nei primi studi è stato scoperto che i pazienti presentano anomalie nelle immagini radiografiche del torace che sono caratteristiche di quelli infetti da COVID-19. Motivati da questo e ispirati dai lavori open source della comunità di ricerca, in questo studio proponiamo una deep convolutional neaural network, un design di rete neurale su misura per il rilevamento di casi di COVID-19 da immagini radiografiche del torace (CXR e CT). Questo progetto potrebbe rappresentare un notevole passo avanti nella diagnostica per il rilevamento di COVID-19 da immagini radiologiche. Inoltre, indagheremo su come la rete faccia previsioni utilizzando metodi di spiegabilità nel tentativo non solo di ottenere una visione più approfondita dei fattori critici associati ai casi COVID-19, che può aiutare i medici a migliorare lo screening, ma anche di verificare la rete in modo responsabile e trasparente per convalidare che stia prendendo decisioni basate sulle informazioni rilevanti delle immagini radiologiche. L'obiettivo è che il modello venga sfruttato sia in ambito di ricerca che in ambito applicativo, in grado di accelerare lo sviluppo di soluzioni di deep learning altamente accurate ma pratiche per l'individuazione dei casi COVID-19 e per accelerare il trattamento di coloro che ne hanno più bisogno.
La diagnosi precoce di COVID-19 basata su immagini radiologiche del torace consentirà un trattamento tempestivo dei pazienti e contribuirà a controllare la diffusione della malattia. Con la rapida diffusione di COVID-19 in molti paesi, tuttavia, i volumi di immagine mediche di pazienti sospetti stanno aumentando ad una velocità molto più rapida rispetto alla capacità degli esperti umani. In questo caso, proponiamo un sistema di intelligenza artificiale (IA) per una diagnosi rapida di COVID-19 con una precisione paragonabile a quella dei radiologi esperti. La diagnosi precoce di COVID-19 basata su immagini toraciche permetterà di trattare tempestivamente i pazienti e di controllare la diffusione della malattia. Questo sistema diagnostico automatico, ad alta precisione e non invasivo è sarà sviluppato per fornire ai medici strumenti facili da usare. Data l' immagine radiologica toracica di un paziente sospetto come input, il sistema di IA può produrre automaticamente il risultato della diagnosi. Ciò significa che il sistema di IA può essere usato come un efficace lettore secondario per fornire suggerimenti di riferimento quando il radiologo non è sicuro del caso o quando più radiologi sono incoerenti. In generale, l'IA può essere adattata a diverse esigenze. In base alle impostazioni altamente sensibili, esso può filtrare i pazienti sospetti per la conferma da parte dei medici; in base alle impostazioni altamente specifiche, può avvertire possibili errori di diagnosi da parte del medico; oppure viene scelto un valore di soglia ottimale in base alla precedente probabilità di malattie infettive e alla strategia locale di prevenzione e controllo. Inoltre, sarà sviluppata una spiegazione visiva del sistema decisionale formando un'analisi radiomica per ottenere caratteristiche fenotipiche rilevanti dal punto di vista diagnostico delle regioni di allerta che sono tracciabili sull'immagine originale. Questo è importante per uno studio approfondito dei risultati dell'imaging polmonare in pazienti con COVID-19.