مقاله پژوهشیai-corona: Radiologist-assistant deep learning framework for COVID-19 diagnosis in chest CT scans (اِی آی کرونا: سامانه یادگیری عمیق دستیار رادیولوژیست برای تشخیص کووید 19 در سی‌تی اسکن قفسه سینه) در مجله علمی پلاس وان (PLOS One) منتشر شد.
این مقاله حاصل فعالیت مشترک 13 پژوهشگر از پژوهشکده‌ها و مراکز تحقیقات دانشگاه شهید بهشتی، دانشگاه علوم پزشکی شهید بهشتی، پژوهشگاه دانش‌های بنیادی، سازمان پژوهش‌های علمی و صنعتی ایران و دانشگاه علوم پزشکی شیراز است. دکتر سید محمد صادق موحد دانشیار دانشکده فیزیک دانشگاه شهید بهشتی؛ دکتر دارا رحمتی، استادیار دانشکده مهندسی و علوم کامپیوتر دانشگاه شهید بهشتی؛ دکتر رضا لشگری، عضو هیات علمی پژوهشکده علوم و فناوری های پزشکی و مهدی یوسف‌زاده دانش آموخته مقطع کارشناسی ارشد دانشکده فیزیک در فهرست نویسندگان این مقاله قرار دارند.
توسعه ابزارهای کمک پزشکی بر اساس پیشرفت‌های هوش مصنوعی در مبارزه جهانی با شیوع کووید 19 و آینده سامانه‌های پزشکی، نقشی حیاتی دارد. در این مقاله، اِی آی‌کرونا به عنوان سامانه یادگیری عمیق دستیار رادیولوژیست برای تشخیص کووید 19 با استفاده از سی تی اسکن قفسه سینه معرفی شده است. نتایج حاصل از آزمایش و ارزیابی سامانه اِی آی‌کرونا در این پژوهش نشان می‌دهد که این سامانه نسبت به نمونه‌های مشابه آن از لحاظ سرعت و دقت در تشخیص کووید 19 عملکرد بهتری دارد و نمایانگر آن است که تشخیص از طریق سی تی اسکن قفسه سینه دارای حساسیت بسیار بالاتری نسبت به کیت های RT-PCR است. همچنین این مدل به عنوان دستیار رادیولوژیست تاثیر مثبتی در تشخیص رادیولوژیست به همراه دارد.