Door de Near East University ontwikkelde kunstmatige-intelligentiealgoritmen kunnen in korte tijd COVID-19 diagnosticeren door PCR-tests te analyseren. Het systeem, waarvan werd vastgesteld dat het met 100 procent nauwkeurigheid werkte door ervaren experts op het gebied van moleculaire microbiologie, PCR-resultaten; kan worden gecategoriseerd als positief, laag positief, negatief en onzeker.
Het analyseren van de resultaten van PCR-tests, die wordt beschouwd als de gouden standaard bij de diagnose van COVID-19, heeft tijdens de pandemie veel druk uitgeoefend op de gezondheidsstelsels over de hele wereld vanwege de intensiteit die ze veroorzaken. Om in korte tijd resultaten te krijgen, vereist het bepalen van de resultaten van PCR-testen, wat vooral voor laboratoriumpersoneel een grote belasting vormt, ook ervaren personeel.
De kunstmatige intelligentie-algoritmen die zijn ontwikkeld door de Near East University analyseren de PCR-testgegevens met een interface die kan worden geïntegreerd met PCR-apparaten, waardoor het testresultaat binnen enkele seconden kan worden bepaald zonder dat menselijke tussenkomst nodig is.
Near East University waarnemend rector prof. dr. Tamer Şanlıdağ, DESAM Research Institute-onderzoekers, Near East University Faculteit der Geneeskunde Afdeling Medische Microbiologie en Klinische Microbiologie Docent Assoc. dr. Buket Baddal en Cyprus International University Engineering Faculteit Computer Engineering Faculteitslid Asst. Assoc. dr. De studie, mede ontworpen door Emre Özbilge, is van groot belang om de analyse- en rapportageprocessen van COVID-19 PCR-tests te verkorten en de isolatie- en behandelprocessen van patiënten snel op gang te brengen. De ontwikkelde kunstmatige-intelligentietoepassing kan ook worden gebruikt bij mogelijke toekomstige epidemieën.
Het kan PCR-resultaten categoriseren als positief, laag positief, negatief en onbepaald.
Met het ontwikkelde deep learning-algoritme worden de fluorescentiestralingsgegevens die van het PCR-apparaat zijn verkregen, voor elke patiënt in het vooraf getrainde programma geladen. Het kunstmatige-intelligentiesysteem, dat is getraind met de PCR-resultaten van honderden patiënten, kan de grafische weergave van de patiëntmonsters definiëren en het resultaat binnen enkele seconden geven.
Het kunstmatige intelligentiesysteem dat is ontwikkeld aan de Near East University met behulp van een meerlagig neuraal netwerkmodel, kan PCR-gegevens categoriseren als positief, laag positief, negatief of onzeker zonder laboratoriumpersoneel. Bij onzekere resultaten waarschuwt het systeem het personeel dat het patiëntmonster opnieuw moet worden bewerkt.
Het systeem, dat werd geleverd door ervaren moleculaire microbiologie-experts tijdens de ontwikkelingsfasen, kan resultaten geven met 100 procent nauwkeurigheid. Dankzij het systeem is het bedoeld om de werklast van laboratoriumpersoneel te verminderen en een efficiënt gebruik van personeel te garanderen tijdens pandemische perioden waarin de monsterstroom zeer intens is.
Het ontwikkelde kunstmatige-intelligentiesysteem werd met de wetenschappelijke wereld gedeeld tijdens het 32e Europese congres voor klinische microbiologie en infectieziekten in Portugal.
Assoc. dr. De door Buket Baddal gepresenteerde studie kreeg grote belangstelling van de microbiologische gemeenschap. De studie die werd gepresenteerd tijdens de sessie “COVID-32 Diagnosis: New and Newer”, waar nieuwe technologieën werden besproken op het congres, dat experts op het gebied van infectieziekten en microbiologie samenbracht, werd door wetenschappers gewaardeerd omdat het kan worden toegepast op verschillende pathogenen en kunnen worden geïntegreerd in laboratoria over de hele wereld.
De studie werd gedeeld met de hele wetenschappelijke gemeenschap door te worden opgenomen in de speciale uitgave "Toegepaste Kunstmatige Intelligentie" die in oktober 2022 werd gepubliceerd in het tijdschrift "Applied Sciences" van het prestigieuze Multidisciplinair Digital Publishing Institute.
prof. dr. Tamer Şanlıdağ: "Onze toepassing voor kunstmatige intelligentie, die de resultaten van de PCR-test met een nauwkeurigheid van 100 procent bepaalt, heeft grote belangstelling gewekt vanuit de wetenschappelijke wereld."
Near East University waarnemend rector prof. dr. Tamer Şanlıdağ, aan de andere kant, verklaarde dat ze sinds de eerste dag in het COVID-19-proces wetenschappelijk onderzoek op een veelzijdige manier hebben uitgevoerd, en zei: "Terwijl de onderzoeken die door onze wetenschappers binnen onze universiteit zijn producten waarmee het COVID-19-proces effectiever kan worden beheerd, blijven we de resultaten van onze onderzoeken delen met de wetenschappelijke wereld met wetenschappelijke artikelen.
Prof. dr. Şanlıdağ zei: "We hebben onze toepassing voor kunstmatige intelligentie, die PCR-tests analyseert en de resultaten bepaalt met 19 procent nauwkeurigheid, gedeeld met de wetenschappelijke wereld op het European Congress of Clinical Microbiology and Infectious Diseases in Portugal. Tegelijkertijd publiceerden we onze studie in het speciale nummer 'Applied Artificial Intelligence' van het tijdschrift Applied Sciences.
Assoc. dr. Buket Baddal: "We zullen voorbereid zijn op toekomstige epidemieën met de kunstmatige intelligentie-algoritmen die we hebben ontwikkeld."
DESAM Research Institute onderzoekers, Near East University Faculteit der Geneeskunde, Afdeling Medische Microbiologie en Klinische Microbiologie Docent Assoc. dr. Buket Baddal, aan de andere kant, zei dat PCR-tests, die ons leven intensief zijn binnengekomen met de COVID-19-pandemie, ook worden gebruikt bij de identificatie van veel pathogenen die infectieziekten veroorzaken, en zei: "De kunstmatige-intelligentietoepassing die we hebben ontwikkeld kan ook worden gebruikt bij de diagnose van nieuwe infectieziekteverwekkers die in de toekomst kunnen ontstaan en virussen die tot pandemieën kunnen leiden." gebruikt. Assoc. dr. Baddal zei: “Met de COVID-19-pandemie werd onthuld hoe onvoorbereid de gezondheidsstelsels waren op dergelijke epidemieën. Met de kunstmatige intelligentie-algoritmen die we hebben ontwikkeld, zijn we voorbereid op toekomstige epidemieën. Door de ziekte vroeg te diagnosticeren, kunnen we deze mensen vroegtijdig isoleren en de verspreiding van de ziekte in de gemeenschap voorkomen.
Wees de eerste om te reageren