Tietokonetomografia COVID-19-tutkimuksessa (STOIC)

Uuden koronaviruksen SARS-CoV-2:n puhkeaminen, jonka alkuepikeskus oli Kiinassa ja joka aiheuttaa COVID-19-pneumonian, on nyt levinnyt Ranskaan, jossa on 7730 vahvistettua tapausta ja 175 kuolemaa 17. maaliskuuta mennessä. Diagnoosi perustuu viruksen RNA:n tunnistamiseen käänteiskopiointipolymeraasiketjureaktiolla (RT-PCR), mutta sen positiivisuus voi viivästyä. Kiinalaisten potilaiden 1014 potilaan sarjassa raportoitiin korkeampi herkkyys CT:lle, keskimääräinen aika alkuperäisten negatiivisten ja positiivisten RT-PCR-tulosten välillä oli 5,1 ± 1,5 päivää (PMID: 32101510). Lisäksi RT-PCR-tulosten saaminen vaatii useita tunteja, mikä on ongelmallista potilaiden triagea varten.

Rintakehän CT voi mahdollistaa COVID-19:n varhaisen kuvauksen, erityisesti kun se suoritetaan yli 3 päivän kuluttua oireiden alkamisesta. On tärkeää erottaa COVID-19 ja bakteeriset syyt keuhkotulehdukselle, mikä vaatii asiantuntemusta rintakehän kuvantamisessa. Siksi on tärkeää tunnistaa luotettavat CT-diagnostiset kriteerit visuaalisen arvioinnin perusteella ja kehittää myös syväoppimiseen perustuvia ratkaisuja varhaiseen positiiviseen diagnoosiin, joita vähemmän kokeneet lukijat voisivat käyttää suuren epidemian yhteydessä.

Useita huonon ennusteen riskitekijöitä on jo tunnistettu, kuten vanhempi ikä, komorbiditeetit tai kohonnut d-dimeeritaso esittelyssä (PMID: 32171076). Laajat CT-poikkeavuudet liittyvät huonoon ennusteeseen, mutta jotkut potilaat heikentyvät toissijaisesti huolimatta ei-laajoista poikkeavuuksista ensimmäisessä arvioinnissa, korostaen tarpeen heikentymisen ennustamiseen perustuen alkuperäisiin kuvantamislöydöksiin. Lopuksi, ei ole tällä hetkellä lääkettä, jolla olisi todistettu tehokkuus potilaille, joilla on akuutti hengitysvaikeusoireyhtymä, ja joiden hoito perustuu mekaaniseen hengitykseen ja tukitoimiin. Jotkut olettivat, että Remdesivir, antiviraalinen hoito, voisi olla tehokas (PMID: 32147516), ja Kiinassa ja Yhdysvalloissa on meneillään satunnaistettuja kokeita. Automatisoidut työkalut, jotka mahdollistavat sairauden laajuuden mittaamisen CT:ssä, olisivat toivottavia uusien hoitomuotojen tehokkuuden arvioimiseksi.

Suuren CT-kuvien tietokannan rakentaminen on tarpeen tarkkojen CT-kriteerien tunnistamiseksi ja syväoppimiseen perustuvien ratkaisujen kehittämiseksi diagnoosia, kvantitointia ja ennusteen arviointia varten.

Tämän projektin tavoitteena on kolminkertainen: (i) luoda monikeskuksinen avoin tietokantavarasto CT-kuvauksista liittyen COVID-19:ään, (ii) luoda moniasiantuntija-merkintäprotokolla eri tasoisilla merkinnöillä, jotka kuvaavat sairauden vakavuutta, (iii) mahdollistaa ei-omisteisten tietokoneavusteisten ratkaisujen (akatemia & teollisuus) kehittäminen sairauksien automaattista kvantitointia ja ennustetta varten käyttäen viimeisimpiä edistysaskeleita tekoälyn alalla.

Potilaille luotettavien diagnostisten kriteerien validointi mahdollistaa sairauden varhaisen havaitsemisen ja paremman erottelun muiden akuuttien hengitysoireiden mahdollisten syiden kanssa, jotka vaativat erityishoitoa, kuten bakteerinen keuhkoputkentulehdus. Se edistää hoidon standardointia sekä yhtäläistä pääsyä diagnoosiin ja hoitoon koko väestölle.

Julkisen terveyden hyötynä on pääsy COVID-19:n CT-diagnoosiin riippumatta paikallisesta asiantuntemuksesta rintakehän kuvantamisessa. Mahdollisuus ennakoida hengityksen tarve kehitettyjen CT-vakavuuspisteiden perusteella vaikuttaa myös positiivisesti potilaiden hoitoon erityisesti potilaiden massavirran yhteydessä, kuten odotetaan epidemian huippuvaiheessa. Tämä projekti mahdollistaa potilaiden osuuden arvioinnin, joilla on todennäköisesti hengitysjälkioireita, perustuen keuhkojen poikkeavuuksien vakavuuteen ja laajuuteen sairauden akuutissa vaiheessa.

Automatisoitujen kvantitointityökalujen saatavuus auttaa arvioimaan hoidon tehokkuutta, jos uusia terapeuttisia lähestymistapoja kehitetään.

Lopuksi, kehitetyt työkalut varhaiseen diagnoosiin, vakavuuden arviointiin ja ennusteiden ennustamiseen voivat osoittautua hyödyllisiksi, jos muita viruspandemioita esiintyy tulevaisuudessa. Todellakin SARS-Cov2:n puhkeamista edelsivät SARS- ja MERS-puhkeamat muiden koronavirusten vuoksi.