powyżej: © ISTOCK.COM, SUDOK1
chociaż początkowa fala pandemii SARS-CoV-2 zmniejszyła się w wielu krajach, dostawcy opieki zdrowotnej nadal szukają możliwości zidentyfikowania jak największej liczby pacjentów z COVID-19 i opanowania choroby. Szybka i dokładna diagnoza jest szczególnie ważna, gdy niczego nie podejrzewający pacjenci z zakażeniem koronawirusem przychodzą do szpitala ze skargami zdrowotnymi, ale nie wykazują jeszcze objawów COVID-19.
próbki wymazu z nosa analizowane za pomocą RT-PCR są obecnie zalecane do diagnozy COVID-19, jednak nadal poszukiwane są niedobory podaży, czas oczekiwania do dwóch dni na wyniki i fałszywie ujemny wskaźnik aż 1 na 5 średnich alternatywnych narzędzi przesiewowych na dużą skalę COVID-19.
wiadomo, że SARS-CoV-2 uszkadza tkankę płucną i w wyraźny sposób lekarze starają się wykorzystać do nowych metod diagnostycznych. U wielu pacjentów z COVID-19 rozwija się zapalenie płuc, które może prowadzić do niewydolności oddechowej, a czasami śmierci. Zapalenie płuc COVID – 19 różni się od bardziej powszechnych form bakteryjnego zapalenia płuc, a różnice pojawiają się w tomografii komputerowej klatki piersiowej. Najbardziej uderzające są mętne wzorce zmian, które przypominają odłamki szkła lub siateczkowe linie wewnątrz nieprzezroczystych zmian, które wyglądają jak nieregularne płytki chodnikowe, które występują na obrzeżach obu płuc. Zmiany wywołane bakteryjnym zapaleniem płuc są zwykle skoncentrowane w jednym płucu i mogą nie przypominać odłamków szkła.
w Chinach skany CT są już używane jako narzędzie diagnostyczne COVID-19, gdy pacjent dociera do placówki opieki zdrowotnej z gorączką i podejrzeniem infekcji, chociaż takie podejście nie zostało powszechnie przyjęte w Stanach Zjednoczonych. Dwa badania, opublikowane w Nature Medicine and Cell, rozwijają ten pomysł, wykorzystując sztuczną inteligencję (AI) przeszkoloną w zakresie tomografii komputerowej płuc jako szybkie narzędzie diagnostyczne do poszukiwania zakażenia COVID-19 u pacjentów, którzy przychodzą do szpitala i wymagają obrazowania medycznego.
Patrz „sztuczna inteligencja bada miliardy cząsteczek pod kątem leczenia koronawirusem”
pisząc w komórce, naukowcy z Macau University of Science and Technology wykorzystali 532 000 skanów CT od 3777 pacjentów w Chinach do szkolenia narzędzi sztucznej inteligencji, koncentrując się na zmianach kontrolnych obserwowanych w płucach pacjentów covid-19. W badaniach pilotażowych w kilku chińskich szpitalach model AI prawidłowo diagnozował zapalenie płuc wywołane koronawirusem co najmniej 85 procent czasu, kiedy został zastosowany do zbioru danych 417 pacjentów w czterech oddzielnych kohortach. Zapalenie płuc wywołane przez COVID zostało błędnie zdiagnozowane jako zapalenie płuc wywołane przez covid w 7-12 procentach przypadków.
„ta grupa wykonuje ogromną pracę głębokiego nurkowania na zewnętrznej walidacji: mają ten duży zbiór danych z Chin i przyjrzeli się, jak to działa w wielu szpitalach”, mówi Matthew lungren, radiolog z Centrum Medycznego Uniwersytetu Stanforda, który nie był zaangażowany w żadne badanie.
rozpoznanie bardzo małej liczby przypadków zapalenia płuc COVID-19 z dużej liczby niespecyficznych ogólnych przypadków zapalenia płuc jest ważne dla narzędzia diagnostycznego, gdy SARS-COV-2, koronawirus stojący za pandemią, staje się endemiczny i nie jest już główną przyczyną zapalenia płuc, wyjaśnia Lungren.
„duży zbiór danych z różnorodnym źródłem danych ma kluczowe znaczenie dla osiągnięcia solidnych i uogólnialnych wniosków w diagnozach opartych na sztucznej inteligencji”, pisze współautor komórki Kang Zhang, profesor medycyny na Macau University of Science and Technology, w e-mailu do naukowca. „Jednym z najtrudniejszych problemów w stosowaniu sztucznej inteligencji w opiece zdrowotnej jest słaba odtwarzalność.”
jednym z wyzwań związanych z zastosowaniem tomografii komputerowej w diagnostyce COVID-19 jest to, że wiele osób zakażonych SARS-CoV-2 doświadcza ciężkich objawów klinicznych, takich jak kaszel i gorączka, ale nie ma biomarkerów widocznych w skanach tomografii komputerowej. Jeśli pracownicy służby zdrowia starają się uzyskać dokładną diagnozę COVID-19 szybciej niż standardowe metody PCR, „tylko w oparciu o obrazowanie może nie wystarczyć”, mówi Yang Yang, radiolog w Mount Sinai Hospital.
zespół Yang trenował również model sztucznej inteligencji Covid-19 na tomografii komputerowej klatki piersiowej i opublikował wyniki w medycynie Natury. Model ten połączył wyniki tomografii komputerowej z wynikami klinicznymi, takimi jak wiek pacjentów, czy mieli kaszel czy gorączkę, oraz liczba białych krwinek, tworząc to, co autorzy nazwali „modelem fuzji” w celu diagnozowania pacjentów z COVID-19 na podstawie danych klinicznych i obrazowych. Ich model fuzji zdiagnozował COVID-19 z dokładnością 83,5% w zestawie testowym 279 pacjentów. Patrząc na ten sam zestaw obrazów, starszy radiolog klatki piersiowej zdiagnozował COVID-19 z dokładnością 84,6%.
„istnieją aspekty ich metodologii, które moim zdaniem są bardzo ważne dla tej dziedziny w ogóle”, mówi Lungren, mianowicie wiele modeli diagnostycznych sztucznej inteligencji opartych na danych obrazowych skorzystałoby z wprowadzenia dodatkowych danych klinicznych.
Zhang mówi, że co najmniej 10 dużych szpitali w Chinach, a kilka w USA, Indiach, Iraku i Ekwadorze używa jego modelu do diagnozowania pacjentów podejrzanych o zapalenie płuc COVID-19. Jego zespół udostępnił publicznie algorytmy i zestawy danych szkoleniowych innym badaczom.
K. Zhang i in., „Clinically applicable AI system for exact diagnosis, quantitative measurements and rokowanie covid-19 pneumonia using computed tomography,” Cell, DOI: 10.1016 / j.cell.2020.04.045, 2020.