OBEN: © ISTOCK.COM , SUDOK1
Obwohl die erste Welle der SARS-CoV-2-Pandemie in vielen Ländern abgeklungen ist, versuchen die Gesundheitsdienstleister immer noch, so viele COVID-19-Patienten wie möglich zu identifizieren und die Krankheit einzudämmen. Eine schnelle und genaue Diagnose ist besonders wichtig, wenn ahnungslose Patienten mit einer Coronavirus-Infektion mit gesundheitlichen Beschwerden ins Krankenhaus kommen, aber noch keine Symptome von COVID-19 zeigen.
Mittels RT-PCR analysierte Nasenabstrichproben werden derzeit für die Diagnose von COVID-19 empfohlen Lieferengpässe, eine Wartezeit von bis zu zwei Tagen auf Ergebnisse und eine falsch negative Rate von bis zu 1 zu 5 bedeuten jedoch, dass nach wie vor alternative, groß angelegte COVID-19-Screening-Tools gesucht werden.
Es ist bekannt, dass SARS-CoV-2 Lungengewebe schädigt, und zwar auf eine besondere Weise, die Ärzte nun für neue diagnostische Ansätze nutzen wollen. Viele COVID-19-Patienten entwickeln eine Lungenentzündung, die zu Atemversagen und manchmal zum Tod führen kann. Die COVID-19-Pneumonie unterscheidet sich von häufigeren Formen der bakteriellen Pneumonie, und die Unterschiede zeigen sich in Brust-CT-Scans. Am auffälligsten sind trübe Läsionsmuster, die Glasscherben oder retikulären Linien innerhalb der opaken Läsionen ähneln, die wie unregelmäßige Pflastersteine aussehen, die an den Peripherien beider Lungen auftreten. Läsionen durch bakterielle Pneumonie sind normalerweise in einer Lunge konzentriert und ähneln möglicherweise nicht Glasscherben.
In China werden CT-Scans bereits als COVID-19-Diagnosewerkzeug verwendet, wenn ein Patient mit Fieber und Verdacht auf eine Infektion in ein Gesundheitszentrum kommt, obwohl dieser Ansatz in den USA nicht weit verbreitet ist. Zwei in Nature Medicine und Cell veröffentlichte Studien fördern diese Idee, indem sie künstliche Intelligenz (KI) verwenden, die auf CT-Lungenscans als schnelles Diagnosewerkzeug trainiert wurde, um bei Patienten, die ins Krankenhaus kommen und eine medizinische Bildgebung benötigen, nach einer COVID-19-Infektion zu suchen.
Siehe „KI überprüft Milliarden von Molekülen auf Coronavirus-Behandlungen“
Forscher der Macau University of Science and Technology haben in Cell 532,000 CT-Scans von 3,777 Patienten in China verwendet, um ihre KI-Tools zu trainieren und sich dabei auf die verräterischen Läsionen in der Lunge von COVID-19-Patienten zu konzentrieren. In Pilotstudien an mehreren chinesischen Krankenhäusern diagnostizierte das KI-Modell eine durch das Coronavirus verursachte Lungenentzündung in mindestens 85 Prozent der Fälle korrekt, als es auf einen Datensatz von 417 Patienten in vier separaten Kohorten angewendet wurde. COVID-Pneumonie wurde in 7-12 Prozent der Fälle als Nicht-COVID-Pneumonie falsch diagnostiziert.
„Diese Gruppe macht einen enormen Job bei der externen Validierung: Sie haben diesen großen Datensatz aus China und sie haben sich angesehen, wie er in vielen Krankenhäusern funktioniert“, sagt Matthew Lungren, Radiologe am Stanford University Medical Center, der an keiner der beiden Studien beteiligt war.
Das Erkennen einer sehr kleinen Anzahl von COVID-19-Lungenentzündungsfällen aus einer großen Anzahl unspezifischer allgemeiner Lungenentzündungsfälle ist für ein Diagnosewerkzeug wichtig, wenn SARS-CoV-2, das Coronavirus hinter der Pandemie, endemisch wird und nicht mehr die Hauptursache für Lungenentzündungen ist, erklärt Lungren.
„Ein großer Datensatz mit einer vielfältigen Datenquelle ist entscheidend, um robuste und verallgemeinerbare Schlussfolgerungen in KI-basierten Diagnosen zu erzielen“, schreibt Cell-Co-Autor Kang Zhang, Professor für Medizin an der Macau University of Science and Technology, in einer E-Mail an den Wissenschaftler. „Eines der schwierigsten Probleme bei der KI-Anwendung im Gesundheitswesen ist die schlechte Reproduzierbarkeit.“
Eine Herausforderung bei der Verwendung von CT-Scans für die COVID-19-Diagnose besteht darin, dass viele mit SARS-CoV-2 infizierte Menschen schwere klinische Symptome wie Husten und Fieber aufweisen, jedoch keine Biomarker in den CT-Scans sichtbar sind. Wenn Angehörige der Gesundheitsberufe versuchen, schneller als mit Standard-PCR-Methoden eine genaue COVID-19-Diagnose zu erhalten, „reicht es möglicherweise nicht aus, nur auf Bildgebung zu basieren“, sagt Yang Yang, Radiologe am Mount Sinai Hospital.
Yangs Team trainierte auch sein COVID-19-KI-Modell auf CT-Brustscans und veröffentlichte die Ergebnisse in Nature Medicine. Dieses Modell integrierte die Ergebnisse der CT-Scans mit klinischen Befunden wie dem Alter der Patienten, ob sie Husten oder Fieber hatten, und ihrer Anzahl weißer Blutkörperchen, wodurch ein von den Autoren als „Fusionsmodell“ bezeichnetes Modell zur Diagnose von Patienten mit COVID-19 erstellt wurde basierend auf klinischen und bildgebenden Daten. Ihr Fusionsmodell diagnostizierte COVID-19 mit einer Genauigkeit von 83,5 Prozent in einem Testsatz von 279 Patienten. Bei Betrachtung derselben Bilder diagnostizierte ein leitender Thoraxradiologe COVID-19 mit einer Genauigkeit von 84,6 Prozent.
„Es gibt Aspekte ihrer Methodik, die ich für sehr wichtig halte“, sagt Lungren, nämlich dass viele KI-Diagnosemodelle, die auf Bildgebungsdaten basieren, von der Eingabe zusätzlicher klinischer Daten profitieren würden.
Zhang sagt, dass mindestens 10 große Krankenhäuser in China und mehrere in den USA, Indien, dem Irak und Ecuador sein Modell verwenden, um Patienten zu diagnostizieren, bei denen der Verdacht auf eine COVID-19-Lungenentzündung besteht. Sein Team machte seine Algorithmen und Trainingsdatensätze für andere Forscher öffentlich zugänglich.
K. Zhang et al., „Klinisch anwendbares KI-System zur genauen Diagnose, quantitativen Messung und Prognose von COVID-19-Pneumonie mittels Computertomographie“, Zelle, doi: 10.1016 / j.Zelle.2020.04.045, 2020.
