Modèle clinique et radiomique du COVID-19

En décembre 2019, un nouveau coronavirus, le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2 ; précédemment nommé 2019-nCoV), est apparu à Wuhan, en Chine. La maladie causée par le SARS-CoV-2 est le COVID-19. Au 8 mars 2020, plus de 100 000 patients COVID-19 ont été signalés dans le monde (plus de 80 000 cas en Chine, plus de 20 000 dans d'autres pays), et 3 600 patients (3 100 en Chine, 500 en dehors de Chine) sont morts. L'épidémie de COVID-19 constitue une urgence de santé publique de portée internationale.

Parmi les patients atteints de COVID-19, environ 80 % sont des patients atteints d'une maladie bénigne (non grave), qui guérissent généralement en deux semaines. Cependant, 20 % supplémentaires des patients peuvent aggraver une maladie grave ou critique qui entraîne un séjour à l'hôpital plus long, et le taux de mortalité de ces patients est de 13,4 %. Par conséquent, l'identification incomplète des patients graves à haut risque est extrêmement importante pour la prise en charge des patients et l'allocation des ressources médicales. La quarantaine générale et le traitement symptomatique peuvent être utilisés pour la plupart des patients non graves, tandis qu'un niveau de soins plus élevé et un canal vert vers l'unité de soins intensifs (USI) sont utiles pour les patients graves. Des études antérieures ont résumé les caractéristiques cliniques et radiologiques des patients atteints de COVID-19 sévère, tandis que les facteurs qui sont des prédicteurs importants ne sont toujours pas clairs.

L'apprentissage automatique est une branche de l'intelligence artificielle qui nous permet d'apprendre des connaissances et des lois potentielles à partir des données fournies et de construire un modèle pour résoudre les problèmes en fonction des besoins humains. Ces dernières années, l'apprentissage automatique a été développé comme un nouvel outil pour analyser de grandes quantités de données à partir de dossiers médicaux ou d'images. Les études de modélisation précédentes se sont concentrées sur la prévision de la propagation internationale potentielle du COVID-19.

Par conséquent, notre objectif est de développer et de valider un modèle d'apprentissage automatique basé sur les caractéristiques cliniques, de laboratoire et radiologiques seules ou sur une combinaison de patients COVID-19 au stade précoce sans maladie grave provenant de plusieurs centres pour la prédiction des cas graves (ou critiques) maladie lors de l'hospitalisation suivante pour faciliter l'évaluation des risques avant et après les symptômes et le triage (domicile, hospitalisation à l'intérieur ou unité de soins intensifs).