Tomodensitométrie pour le diagnostic du COVID-19 (STOIC)

L'épidémie du nouveau coronavirus SARS-CoV-2, initialement centrée en Chine et responsable de la pneumonie COVID-19, s'est désormais propagée à la France, avec 7730 cas confirmés et 175 décès au 17 mars. Le diagnostic repose sur l'identification de l'ARN viral par réaction en chaîne par polymérase après transcription inverse (RT-PCR), mais sa positivité peut être retardée. Une série basée sur 1014 patients chinois a rapporté une sensibilité plus élevée pour le scanner, avec un intervalle moyen entre les résultats RT-PCR initialement négatifs et positifs de 5,1 ± 1,5 jours (PMID : 32101510). De plus, l'obtention des résultats de RT-PCR nécessite plusieurs heures, ce qui est problématique pour le triage des patients.

Le scanner thoracique peut permettre une détection précoce de la COVID-19, en particulier lorsqu'il est réalisé plus de 3 jours après l'apparition des symptômes. Il est important de distinguer la COVID-19 des causes bactériennes d'infection pulmonaire, ce qui nécessite une expertise en imagerie thoracique. Ainsi, il est important d'identifier des critères diagnostiques fiables au scanner basés sur l'évaluation visuelle, et aussi de développer des solutions basées sur l'apprentissage profond pour un diagnostic précoce positif qui pourrait être utilisé par des lecteurs moins expérimentés, dans un contexte d'épidémie massive.

Plusieurs facteurs de risque de mauvais pronostic sont déjà identifiés, tels que l'âge avancé, les comorbidités, ou un taux élevé de d-dimères à la présentation (PMID : 32171076). Des anomalies scanner étendues sont liées à un mauvais pronostic, mais certains patients s'aggravent secondairement malgré des anomalies non étendues lors de la première évaluation, soulignant la nécessité d'une prédiction de l'aggravation basée sur les résultats d'imagerie initiale. Enfin, il n'existe actuellement aucun médicament dont l'efficacité soit prouvée pour les patients atteints du syndrome de détresse respiratoire aiguë, dont la prise en charge repose sur la ventilation mécanique et les soins de support. Certains ont émis l'hypothèse que le Remdesivir, une thérapie antivirale, pourrait être efficace (PMID : 32147516), avec des essais randomisés en cours menés en Chine et aux États-Unis. Des outils automatisés permettant de quantifier l'étendue de la maladie au scanner seraient souhaitables afin d'évaluer l'efficacité de nouveaux traitements.

La construction d'une grande base de données d'images scanner est nécessaire pour l'identification de critères scanner précis et le développement de solutions basées sur l'apprentissage profond pour le diagnostic, la quantification et l'estimation du pronostic.

L'objectif de ce projet est triple : (i) créer un référentiel de base de données ouverte multicentrique sur les scanners relatifs à la COVID-19, (ii) créer un protocole d'annotation multi-experts avec différents niveaux d'annotations décrivant la gravité de la maladie, (iii) permettre le développement de solutions d'aide au diagnostic non propriétaires (académiques et industrielles) pour la quantification automatique des maladies et le pronostic grâce à l'utilisation des dernières avancées dans le domaine de l'intelligence artificielle.

Pour les patients, la validation de critères diagnostiques fiables permettra une détection précoce de la maladie, et une meilleure distinction avec d'autres causes potentielles de symptômes respiratoires aigus, nécessitant un traitement spécifique, comme la bronchopneumonie bactérienne. Elle contribuera à une standardisation des soins ainsi qu'à un accès égal au diagnostic et au traitement pour l'ensemble de la population.

L'avantage pour la santé publique sera un accès au diagnostic scanner de la COVID-19 indépendamment de la disponibilité d'une expertise locale en imagerie thoracique. La possibilité d'anticiper le besoin de ventilation, basée sur les scores de gravité scanner développés, aura également un impact positif sur la prise en charge des patients, en particulier dans le contexte d'un afflux massif de patients comme prévu au pic épidémique. Ce projet permettra d'évaluer la proportion de patients susceptibles de présenter des séquelles respiratoires, en fonction de la gravité et de l'étendue des anomalies pulmonaires à la phase aiguë de la maladie.

La disponibilité d'outils de quantification automatisés aidera à évaluer l'efficacité du traitement si de nouvelles approches thérapeutiques sont développées.

Enfin, les outils développés pour le diagnostic précoce, l'évaluation de la gravité et la prédiction des résultats pourraient s'avérer utiles si d'autres pandémies virales survenaient à l'avenir. En effet, l'épidémie de SARS-CoV-2 a été précédée par des épidémies de SRAS et de MERS dues à d'autres coronavirus.