OVER: © ISTOCK.COM, SUDOK1
selv om den første bølgen AV sars-CoV-2-pandemien har avtatt i mange land, er helsepersonell fortsatt ute etter å identifisere så mange COVID-19-pasienter som mulig og inneholde sykdommen. Rask og nøyaktig diagnose er spesielt viktig når intetanende pasienter med koronavirusinfeksjon kommer til sykehuset med helseplager, men ennå ikke viser SYMPTOMER PÅ COVID-19.
prøver av nesepinne analysert AV RT-PCR anbefales for øyeblikket for DIAGNOSTISERING AV COVID-19, men leveransemangel, ventetid på opptil to dager for resultater og en falsk negativ rate så høy som 1 av 5 gjennomsnittlig alternativ, STORSKALA COVID-19 screeningsverktøy er fortsatt søkt.
SARS-CoV-2 er kjent for å skade lungevev, og på en tydelig måte som leger nå søker å utnytte for nye diagnostiske tilnærminger. MANGE COVID-19 pasienter utvikler lungebetennelse, som kan utvikle seg til respirasjonssvikt og noen ganger død. COVID-19 lungebetennelse er forskjellig fra mer vanlige former for bakteriell lungebetennelse, og forskjellene vises i brystet CT-skanninger. Mest slående er skyet lesjon mønstre som ligner skår av glass eller retikulære linjer i ugjennomsiktig lesjoner som ser ut som uregelmessige rydder fliser, som oppstår rundt periferien av begge lungene. Lesjoner fra bakteriell lungebetennelse er vanligvis konsentrert i en lunge og kan ikke ligne glassskår.
I Kina brukes CT-skanninger allerede som ET COVID-19 diagnostisk verktøy når en pasient kommer til et helsevesen med feber og en mistenkt infeksjon, selv om denne tilnærmingen ikke har blitt utbredt i Usa. To studier, publisert I Nature Medicine And Cell, fremmer denne ideen ved å bruke kunstig intelligens (AI) trent PÅ CT-lungeskanninger som et raskt diagnostisk verktøy for å lete ETTER COVID-19-infeksjon hos pasienter som kommer til sykehuset og krever medisinsk bildebehandling.
Se «AI Screener Milliarder Av Molekyler for Koronavirusbehandlinger»
Forskere ved Macau University of Science and Technology brukte 532 000 CT-skanninger fra 3777 pasienter I Kina til å trene SINE AI-verktøy, med fokus på avslørende lesjoner sett i COVID-19 pasientlunger. I pilotstudier på Flere Kinesiske sykehus DIAGNOSTISERTE AI-modellen lungebetennelse forårsaket av koronaviruset minst 85 prosent av tiden da det ble brukt på et datasett på 417 pasienter i fire separate kohorter. COVID pneumoni ble feildiagnostisert som ikke-COVID pneumoni i 7-12 prosent av tilfellene.
» denne gruppen gjør en enorm jobb med et dypdykk på ekstern validering: de har dette store datasettet Fra Kina, og de så på hvordan det fungerte på mange sykehus,» sier Matthew Lungren, en radiolog Ved Stanford University Medical Center som ikke var involvert i en studie.
Å Anerkjenne et svært lite antall TILFELLER AV COVID – 19 lungebetennelse fra et stort antall ikke-spesifikke generelle tilfeller av lungebetennelse er viktig for et diagnostisk verktøy når SARS-CoV-2, koronaviruset bak pandemien, blir endemisk og ikke lenger er den viktigste årsaken til lungebetennelse, Forklarer Lungren.
» et stort datasett med en mangfoldig datakilde er avgjørende for å oppnå robuste og generaliserbare konklusjoner i AI – baserte diagnoser, » skriver Cell medforfatter Kang Zhang, professor I medisin Ved Macau University Of Science and Technology, i en e-post til Forskeren. «En av DE mest utfordrende problemene I AI-applikasjon i helsevesenet er dårlig reproduserbarhet.»
en utfordring med Å bruke CT-skanninger FOR COVID-19-diagnose er at mange mennesker smittet med SARS-CoV-2 opplever alvorlige kliniske symptomer som hoste og feber, men har ingen biomarkører synlige i CT-skanningene. Hvis helsepersonell prøver å få en nøyaktig COVID-19-diagnose raskere enn standard PCR-metoder, er det kanskje ikke nok å basere seg på bildebehandling, «Sier Yang Yang, en radiolog Ved Mount Sinai Hospital.
Yangs team trente også SIN COVID-19 AI-modell PÅ CT-brystskanning og publiserte resultatene I Nature Medicine. Denne modellen integrerte resultatene AV CT-skanningene med kliniske funn som pasientens alder, om de hadde hoste eller feber, og deres hvite blodlegemer, og skapte det forfatterne kalte en «fusjonsmodell» for å diagnostisere pasienter MED COVID-19 basert på kliniske og bildedata. Deres fusjonsmodell diagnostiserte COVID-19 med 83,5 prosent nøyaktighet i et testsett med 279 pasienter. Når man så på det samme settet med bilder, diagnostiserte en senior thorax radiolog COVID-19 med 84,6 prosent nøyaktighet.
«det er aspekter ved deres metodikk som jeg synes er svært viktige for dette feltet generelt,» sier Lungren, nemlig at mange ai-diagnostiske modeller basert på bildedata vil ha nytte av innspillingen av ytterligere kliniske data.
Zhang sier at minst 10 store sykehus i Kina, og flere i USA, India, Irak og Ecuador bruker sin modell til å diagnostisere pasienter som mistenkes FOR Å ha COVID-19 lungebetennelse. Hans team gjorde sine algoritmer og treningsdatasett offentlig tilgjengelig for andre forskere å bruke.
K. Zhang et al., «Klinisk anvendelig AI system for nøyaktig diagnose, kvantitative målinger og prognose AV COVID-19 lungebetennelse ved bruk av computertomografi,» Cell, doi:10.1016 / j.cell.2020.04.045, 2020.
