hierboven te diagnosticeren: © ISTOCK.COM, SUDOK1
hoewel de eerste golf van de SARS-CoV-2-pandemie in veel landen is afgenomen, zijn zorgverleners nog steeds op zoek naar het identificeren van zoveel mogelijk covid-19-patiënten en het beheersen van de ziekte. Een snelle en nauwkeurige diagnose is vooral belangrijk wanneer nietsvermoedende patiënten met een coronavirusinfectie naar het ziekenhuis komen met gezondheidsklachten, maar nog geen symptomen van COVID-19 vertonen.
Neusswabmonsters die met RT-PCR zijn geanalyseerd, worden momenteel aanbevolen voor de diagnose van COVID-19, maar er wordt nog steeds gezocht naar toevoertekorten, een wachttijd van maximaal twee dagen voor resultaten en een vals-negatief percentage van maar liefst 1 op de 5 gemiddelde alternatieve, grootschalige covid-19-screeningsinstrumenten.Van SARS-CoV-2 is bekend dat het longweefsel beschadigt, en op een duidelijke manier die artsen nu proberen te benutten voor nieuwe diagnostische benaderingen. Veel covid-19-patiënten ontwikkelen longontsteking, die kan leiden tot respiratoire insufficiëntie en soms de dood. De longontsteking COVID-19 is verschillend van gemeenschappelijkere vormen van bacteriële longontsteking, en de verschillen tonen in Borst CT-scans. Meest opvallende zijn troebele laesie patronen die lijken op scherven van glas of reticulaire lijnen binnen de ondoorzichtige laesies die eruit zien als onregelmatige tegels bestrating, die optreden rond de rand van beide longen. Laesies van bacteriële longontsteking zijn meestal geconcentreerd in één long en kan niet lijken op scherven van glas.
in China worden CT-scans al gebruikt als een diagnostisch hulpmiddel voor COVID-19 wanneer een patiënt in een gezondheidsomgeving aankomt met koorts en een vermoedelijke infectie, hoewel deze aanpak in de Verenigde Staten niet op grote schaal is toegepast. Twee studies, gepubliceerd in Nature Medicine and Cell, bevorderen dit idee door gebruik te maken van kunstmatige intelligentie (AI) getraind op ct-longscans als een snel diagnostisch hulpmiddel om te zoeken naar covid-19-infectie bij patiënten die naar het ziekenhuis komen en medische beeldvorming vereisen.
zie “AI screent miljarden moleculen voor Coronavirusbehandelingen”
onderzoekers aan de Macau University of Science and Technology gebruikten 532.000 CT-scans van 3777 patiënten in China om hun AI-instrumenten te trainen, waarbij de nadruk lag op de verklikkerlaesies in de longen van covid-19-patiënten. In pilootstudies bij verschillende Chinese ziekenhuizen werd in het AI-model ten minste 85 procent van de tijd dat het werd toegepast op een dataset van 417 patiënten in vier afzonderlijke cohorten correct longontsteking gediagnosticeerd die door het coronavirus werd veroorzaakt. COVID-pneumonie werd in 7-12 procent van de gevallen verkeerd gediagnosticeerd als niet-COVID-pneumonie.
“deze groep doet enorm veel onderzoek naar externe validatie: ze hebben een grote dataset uit China en ze keken naar hoe het in veel ziekenhuizen werkte,” zegt Matthew Lungren, een radioloog aan het Stanford University Medical Center die bij geen van beide onderzoeken betrokken was. Wanneer SARS-CoV-2, het coronavirus achter de pandemie, endemisch wordt en niet langer de belangrijkste oorzaak van longontsteking is, legt Lungren uit dat het herkennen van een zeer klein aantal gevallen van covid-19-pneumonie uit een groot aantal niet-specifieke gevallen van algemene longontsteking belangrijk is voor een diagnostisch instrument. “Een grote dataset met een diverse bron van gegevens is cruciaal om robuuste en generaliseerbare conclusies te bereiken in op AI gebaseerde diagnoses”, schrijft Cell coauteur Kang Zhang, een professor in de geneeskunde aan de Macau University of Science and Technology, in een e-mail aan de wetenschapper. “Een van de meest uitdagende problemen in AI-toepassingen in de gezondheidszorg is slechte reproduceerbaarheid.”
een uitdaging bij het gebruik van CT-scans voor de diagnose COVID-19 is dat veel mensen die geïnfecteerd zijn met SARS-CoV-2 ernstige klinische symptomen ervaren zoals hoesten en koorts, maar geen biomarkers zichtbaar hebben in de CT-scans. Als beroepsbeoefenaren in de gezondheidszorg proberen om een nauwkeurige covid-19-diagnose sneller te krijgen dan standaard PCR-methoden, “alleen baseren op beeldvorming kan niet genoeg zijn,” zegt Yang Yang, een radioloog bij Mount Sinai Hospital.Yang ‘ s team trainde ook zijn COVID-19 AI-model op ct-borstscans en publiceerde de resultaten in Nature Medicine. Dit model integreerde de resultaten van de CT-scans met klinische bevindingen zoals de leeftijd van patiënten, of ze nu hoesten of koorts hadden, en hun witte bloedceltellingen, wat de auteurs een “fusiemodel” noemden om patiënten met COVID-19 te diagnosticeren op basis van klinische en beeldvormingsgegevens. Hun fusiemodel diagnosticeerde COVID-19 met 83,5 procent nauwkeurigheid in een testset van 279 patiënten. Bij het bekijken van dezelfde set beelden, diagnosticeerde een senior thoracale radioloog COVID-19 met 84,6 procent nauwkeurigheid.
“er zijn aspecten aan hun methodologie die naar mijn mening zeer belangrijk zijn voor dit veld in het algemeen”, zegt Lungren, namelijk dat veel diagnostische AI-modellen op basis van beeldvormingsgegevens zouden profiteren van de input van aanvullende klinische gegevens. Zhang zegt dat ten minste 10 grote ziekenhuizen in China, en een aantal in de VS, India, Irak en Ecuador zijn model gebruiken om patiënten te diagnosticeren die verdacht worden van covid-19-longontsteking. Zijn team maakte zijn algoritmen en trainingsdatasets publiekelijk beschikbaar voor andere onderzoekers om te gebruiken.
K. Zhang et al., “Clinical applicable AI system for accurate diagnosis, quantitative measures and prognose of covid-19 pneumonia using computed tomography,” Cell, doi: 10.1016 / j.cell.2020.04.045, 2020.
