Modelo Clínico y Radiómico de COVID-19

En diciembre de 2019, surgió en Wuhan, China, un nuevo coronavirus, el síndrome respiratorio agudo severo coronavirus 2 (SARS-CoV-2; anteriormente denominado 2019-nCoV). La enfermedad causada por el SARS-CoV-2 es el COVID-19. Hasta el 8 de marzo de 2020, se han notificado más de 100 000 pacientes con COVID-19 en todo el mundo (más de 80 000 casos en China, más de 20 000 en otros países) y 3 600 pacientes (3 100 en China, 500 fuera de China) han muerto. El brote de COVID-19 constituye una Emergencia de Salud Pública de Preocupación Internacional.

Entre los pacientes con COVID-19, alrededor del 80 % son pacientes con enfermedades leves (no graves), que generalmente se curan en dos semanas. Sin embargo, otro 20 % de los pacientes puede agravarse y convertirse en una enfermedad grave o crítica que resulte en una estancia hospitalaria más prolongada, y la tasa de mortalidad de dichos pacientes es del 13,4 %. Por lo tanto, la identificación incipiente de los pacientes graves de alto riesgo es extremadamente importante para el manejo de pacientes y la asignación de recursos médicos. La cuarentena general y el tratamiento sintomático se pueden usar para la mayoría de los pacientes no graves, mientras que un nivel más alto de atención y un canal verde hacia la unidad de cuidados intensivos (UCI) son útiles para los pacientes graves. Estudios anteriores han resumido las características clínicas y radiológicas de los pacientes graves con COVID-19, mientras que aún no está claro qué factores son predictores importantes.

El aprendizaje automático es una rama de la inteligencia artificial que nos permite aprender conocimientos y leyes potenciales a partir de los datos proporcionados y construir un modelo para resolver problemas como necesidades humanas. En los últimos años, el aprendizaje automático se ha desarrollado como una herramienta novedosa para analizar grandes cantidades de datos de registros médicos o imágenes. Los estudios de modelado anteriores se centraron en pronosticar la posible propagación internacional de COVID-19.

Por lo tanto, nuestro propósito es desarrollar y validar un modelo de aprendizaje automático basado en características clínicas, de laboratorio y radiológicas solas o combinadas de pacientes con COVID-19 en etapa temprana sin enfermedad grave de múltiples centros para la predicción de enfermedad grave (o crítica). enfermedad en la siguiente hospitalización para facilitar la evaluación del riesgo antes y después de los síntomas y el triaje (domicilio, ingreso de hospitalización o UCI).