Počítačová tomografie pro diagnostiku COVID-19 (STOIC)

Vypuknutí nového koronaviru SARS-CoV-2, který byl původně epicentrem v Číně a je zodpovědný za zápal plic COVID-19, se nyní rozšířilo do Francie, kde bylo k 17. březnu potvrzeno 7730 případů a 175 úmrtí. Diagnóza spočívá v identifikaci virové RNA pomocí polymerázové řetězové reakce s reverzní transkripcí (RT-PCR), ale její pozitivita může být opožděna. Studie založená na 1014 čínských pacientech uvádí vyšší citlivost pro CT, s průměrným časovým intervalem mezi počátečními negativními a pozitivními výsledky RT-PCR 5,1 ± 1,5 dne (PMID: 32101510). Navíc získání výsledků RT-PCR vyžaduje několik hodin, což je problematické pro triáž pacientů.

Hrudní CT umožňuje včasné zobrazení COVID-19, zejména když je provedeno více než 3 dny po nástupu příznaků. Je důležité rozlišit mezi COVID-19 a bakteriálními příčinami plicní infekce, což vyžaduje odbornost v hrudní zobrazovací diagnostice. Proto je důležité identifikovat spolehlivá CT diagnostická kritéria založená na vizuálním posouzení a také vyvinout řešení založená na hlubokém učení pro včasnou pozitivní diagnózu, která by mohla být použita méně zkušenými čtenáři v kontextu rozsáhlé epidemie.

Již bylo identifikováno několik rizikových faktorů pro nepříznivý výsledek, jako je vyšší věk, přidružená onemocnění nebo zvýšená hladina d-dimeru při prezentaci (PMID: 32171076). Rozsáhlé CT abnormality jsou spojeny s nepříznivým výsledkem, ale někteří pacienti se následně zhoršují i přes neextenzivní abnormality při prvním vyšetření, což zdůrazňuje potřebu predikce zhoršení na základě počátečních zobrazovacích nálezů. Nakonec v současné době neexistuje žádný lék s prokázanou účinností pro pacienty s akutním respiračním distress syndromem, jejichž léčba závisí na mechanické ventilaci a podpůrné péči. Někteří předpokládali, že by mohl být účinný Remdesivir, antivirová terapie (PMID: 32147516), s probíhajícími randomizovanými studiemi v Číně a USA. Automatizované nástroje umožňující kvantifikaci rozsahu onemocnění na CT by byly žádoucí pro vyhodnocení účinnosti nových léčebných postupů.

Pro identifikaci přesných CT kritérií a vývoj řešení založených na hlubokém učení pro diagnózu, kvantifikaci a prognostické odhady je nutné vytvořit rozsáhlý soubor dat CT snímků.

Cíl tohoto projektu je trojí: (i) vytvořit multicentrický otevřený úložiště databází týkající se CT skenů v souvislosti s COVID-19, (ii) vytvořit multiexpertský anotační protokol s různými úrovněmi anotací popisujícími závažnost onemocnění, (iii) umožnit vývoj neproprietárních počítačových podpůrných řešení (akademická sféra a průmysl) pro automatickou kvantifikaci onemocnění a prognózu prostřednictvím využití nejnovějších pokroků v oblasti umělé inteligence.

Pro pacienty ověření spolehlivých diagnostických kritérií umožní včasnou detekci onemocnění a lepší odlišení od jiných potenciálních příčin akutních respiračních příznaků, které vyžadují specifickou léčbu, jako je bakteriální bronchopneumonie. Přispěje to ke standardizaci péče i k rovnoměrnému přístupu k diagnostice a léčbě pro celou populaci.

Veřejný zdravotní přínos bude spočívat v přístupu k CT diagnostice COVID-19 nezávisle na dostupnosti místní odbornosti v hrudní zobrazovací diagnostice. Možnost předvídat potřebu ventilace na základě vyvinutých CT skóre závažnosti také pozitivně ovlivní léčbu pacientů, zejména v kontextu masivního přílivu pacientů, jak se očekává v době vrcholu epidemie. Tento projekt umožní vyhodnotit podíl pacientů, u kterých je pravděpodobné, že se objeví respirační následky, na základě závažnosti a rozsahu plicních abnormalit v akutní fázi onemocnění.

Dostupnost automatizovaných kvantifikačních nástrojů pomůže vyhodnotit účinnost léčby, pokud budou vyvinuty nové terapeutické přístupy.

Nakonec, vyvinuté nástroje pro včasnou diagnózu, hodnocení závažnosti a predikci výsledků by se mohly ukázat jako užitečné, pokud by v budoucnu došlo k další virové pandemii. Vypuknutí SARS-Cov2 skutečně předcházely epidemie SARS a MERS způsobené jinými koronaviry.