fent : ISTOCK.COM, SUDOK1
bár a SARS-CoV-2 járvány kezdeti hulláma sok országban csökkent, az egészségügyi szolgáltatók továbbra is arra törekszenek, hogy a lehető legtöbb COVID-19 beteget azonosítsák és megfékezzék a betegséget. A gyors és pontos diagnózis különösen fontos, ha a gyanútlan koronavírusos fertőzésben szenvedő betegek egészségügyi panaszokkal érkeznek a kórházba, de még nem mutatják a COVID-19 tüneteit.
az RT-PCR által elemzett orr-tamponmintákat jelenleg ajánlják a COVID-19 diagnosztizálására, azonban ellátási hiány, legfeljebb két napos várakozási idő az eredményekhez, és hamis negatív arány akár 1 az 5-ben átlagos alternatív, nagyszabású COVID-19 szűrőeszközöket keresnek.
a SARS-CoV-2-ről ismert, hogy károsítja a tüdőszövetet, és olyan módon, hogy az orvosok most új diagnosztikai megközelítéseket keresnek. Sok COVID-19 betegnél tüdőgyulladás alakul ki, amely légzési elégtelenséghez, néha halálhoz vezethet. A COVID-19 tüdőgyulladás különbözik a bakteriális tüdőgyulladás gyakoribb formáitól, és a különbségek a mellkas CT-vizsgálataiban jelennek meg. A legszembetűnőbbek a felhős elváltozásminták, amelyek üvegszilánkokra vagy retikuláris vonalakra hasonlítanak az átlátszatlan elváltozásokon belül, amelyek szabálytalan burkolólapoknak tűnnek, amelyek mindkét tüdő perifériái körül fordulnak elő. A bakteriális tüdőgyulladás elváltozásai általában egy tüdőben koncentrálódnak, és nem hasonlítanak az üvegszilánkokra.
Kínában a CT-vizsgálatokat már használják COVID-19 diagnosztikai eszközként, amikor a beteg lázzal és fertőzés gyanújával érkezik egészségügyi környezetbe, bár ezt a megközelítést az Egyesült Államokban nem fogadták el széles körben. Két, a Nature Medicine and Cell-ben megjelent tanulmány ezt az ötletet a CT tüdővizsgálatokon képzett mesterséges intelligencia (AI) használatával terjeszti elő, mint gyors diagnosztikai eszközt a COVID-19 fertőzés keresésére a kórházba érkező és orvosi képalkotást igénylő betegeknél.
Lásd: “az AI molekulák milliárdjait szűri a koronavírus kezelésére”
Cell-ben írva A Makaói tudományos és Technológiai Egyetem kutatói 532 000 CT-vizsgálatot használtak 3777 Kínai betegtől AI-eszközeik kiképzésére, összpontosítva a COVID-19 beteg tüdejében látható árulkodó elváltozásokra. Több Kínai kórházban végzett kísérleti vizsgálatokban az AI modell helyesen diagnosztizálta a koronavírus által okozott tüdőgyulladást annak az időnek legalább 85 százalékában, amikor négy különálló kohorszban 417 beteg adatkészletére alkalmazták. A COVID tüdőgyulladást tévesen diagnosztizálták nem COVID tüdőgyulladásként az esetek 7-12% – ában.
“ez a csoport óriási munkát végez a külső validálás mély merülésében: van ez a nagy adatkészlet Kínából, és megnézték, hogyan működik sok kórházban”-mondja Matthew Lungren, a Stanford Egyetem Orvosi Központjának radiológusa, aki egyik tanulmányban sem vett részt.
a COVID-19 tüdőgyulladásos esetek nagyon kis számának felismerése a nem specifikus általános tüdőgyulladásos esetek nagy számából fontos egy diagnosztikai eszköz számára, amikor a SARS-CoV-2, a járvány mögött álló koronavírus endémiássá válik, és már nem a tüdőgyulladás vezető oka-magyarázza Lungren.
“a sokféle adatforrással rendelkező nagy adatkészlet döntő fontosságú az AI-alapú diagnózisok robusztus és általánosítható következtetéseinek eléréséhez” – írja a Cell társszerzője, Kang Zhang, A Makaói tudományos és Technológiai Egyetem orvosprofesszora egy e-mailben a tudósnak. “Az AI alkalmazásának egyik legnagyobb kihívást jelentő kérdése az egészségügyben a rossz reprodukálhatóság.”
a CT-vizsgálatok COVID-19 diagnózisának egyik kihívása az, hogy sok SARS-CoV-2-vel fertőzött ember súlyos klinikai tüneteket tapasztal, például köhögést és lázat, de a CT-vizsgálatokon nem láthatók biomarkerek. Ha az egészségügyi szakemberek a COVID-19 pontos diagnózisát gyorsabban próbálják elérni, mint a szokásos PCR-módszerek, akkor “csak a képalkotás alapozása nem elegendő” – mondja Yang Yang, a Sínai-hegyi Kórház radiológusa.
Yang csapata a COVID-19 AI modelljét CT mellkasi vizsgálatokon is kiképezte, és az eredményeket a Nature Medicine-ben publikálta. Ez a modell integrálta a CT-vizsgálatok eredményeit olyan klinikai eredményekkel, mint a betegek életkora, köhögés vagy láz, valamint fehérvérsejtszámuk, létrehozva azt, amit a szerzők “fúziós modellnek” neveztek a COVID-19 betegek diagnosztizálására klinikai és képalkotó adatok alapján. Fúziós modelljük a COVID-19-et 83,5 százalékos pontossággal diagnosztizálta egy 279 betegből álló tesztkészletben. Ugyanazon képkészlet megtekintésekor egy vezető mellkasi radiológus a COVID-19-et 84,6 százalékos pontossággal diagnosztizálta.
“módszertanuknak vannak olyan szempontjai,amelyek szerintem nagyon fontosak ezen a területen általában” – mondja Lungren, nevezetesen, hogy sok képalkotó adatokon alapuló AI diagnosztikai modell számára előnyös lenne a további klinikai adatok bevitele.
Zhang szerint legalább 10 nagy kórház Kínában, és több az Egyesült Államokban, Indiában, Irakban és Ecuadorban használja a modelljét a COVID-19 tüdőgyulladással gyanúsított betegek diagnosztizálására. Csapata az algoritmusokat és a képzési adatkészleteket nyilvánosan elérhetővé tette más kutatók számára.
K. Zhang et al., “Klinikailag alkalmazható AI rendszer a COVID-19 tüdőgyulladás pontos diagnosztizálásához, kvantitatív méréséhez és prognózisához számítógépes tomográfia segítségével” Cell, doi:10.1016/j.cell.2020.04.045, 2020.
