Analyse par tomodensitométrie pulmonaire des lésions pulmonaires induites par le SRAS-CoV2 (TAC-COVID19)

ARRIÈRE-PLAN:

En février, le premier cas de patient positif au SARS-CoV2 a été enregistré en Lombardie (Italie), un virus capable de provoquer une forme sévère d'insuffisance respiratoire aiguë appelée Coronavirus Disease 2019 (COVID-19).

Des évaluations qualitatives de la morphologie pulmonaire ont été identifiées pour décrire les caractéristiques macroscopiques de cette infection à l'admission et pendant l'hospitalisation des patients.

À l'heure actuelle, aucune étude n'a décrit de manière exhaustive les lésions pulmonaires parenchymateuses induites par le SRAS-CoV2 par analyse quantitative.

L'hypothèse de cette étude est que des altérations morphologiques et quantitatives spécifiques du parenchyme pulmonaire évaluées au moyen d'un scanner chez des patients souffrant d'insuffisance respiratoire sévère induite par le SRAS-CoV2 peuvent avoir un impact sur la sévérité du degré d'altération des échanges respiratoires. (oxygénation et clairance du CO2) et ont un impact sur le devenir du patient.

La présence de schémas morphologiques pulmonaires caractéristiques évalués par tomodensitométrie pourrait permettre la reconnaissance de groupes de patients spécifiques pouvant bénéficier différemment d'un traitement intensif, contribuant ainsi de manière significative à la stratification de la gravité des patients et de leur risque de mortalité.

Il s'agit d'une étude descriptive clinique exploratoire d'images de tomodensitométrie pulmonaire dans une toute nouvelle population de patients dont le test d'amplification des acides nucléiques a confirmé le résultat positif au SRAS-CoV2.

TAILLE DE L'ÉCHANTILLON (n. patients) :

L'étude rassemblera tous les patients répondant aux critères d'inclusion ; un total de 500 patients devrait être recueilli.

Environ 80 patients seront inscrits pour chaque centre expérimental local.

Les données suivantes des patients seront analysées :

• données analytiques des gaz du sang affectées au scanner, contrôles effectués à l'entrée à l'hôpital, au moment de la réalisation du scanner, de l'admission aux soins intensifs et 7 jours après l'entrée
• caractéristiques du patient telles que l'âge, le sexe et l'indice de masse corporelle (IMC)
• comorbidité
• présence d'un dysfonctionnement d'organe avec l'évaluation séquentielle des défaillances d'organes (SOFA)
• données de laboratoire relatives à l'admission à l'hôpital et aux symptômes avant l'hospitalisation.
• ventilateur et paramètres hémodynamiques à l'entrée à l'hôpital, au moment de la réalisation du scanner, à l'admission en réanimation et 7 jours après l'entrée.

L'approche d'apprentissage automatique de l'analyse du scanner pulmonaire visera à évaluer :

1. Altérations pulmonaires quantitatives et qualitatives ;
2. La stratification de ces caractéristiques morphologiques en grappes pulmonaires morphologiques spécifiques identifiées au moyen de l'intelligence artificielle à l'aide d'algorithmes d'apprentissage en profondeur.

ASPECTS ÉTHIQUES :

Les images du scanner pulmonaire seront collectées et anonymisées. Les images seront ensuite envoyées par le compte Google Drive institutionnel de l'Université de Milano-Bicocca à l'Université de Pennsylvanie, au Département d'anesthésiologie et de soins intensifs et au Département de radiologie dans un format anonymisé pour une analyse quantitative avancée tirant parti de l'intelligence artificielle à l'aide d'algorithmes d'apprentissage en profondeur.

Les données seront collectées de manière pseudo-anonyme par le biais d'un formulaire papier de rapport de cas (CRF) et analysées par le coordinateur scientifique du projet.

Compte tenu de la nature rétrospective de l'étude et en présence de difficultés techniques pour obtenir un consentement éclairé des patients en cette période d'urgence pandémique, le consentement éclairé sera levé.

ANALYSES STATISTIQUES:

Les données continues seront exprimées en moyenne ± écart type ou médiane et écart interquartile, selon la distribution des données qui sera évaluée par le test de Shapiro-Wilk. Les variables catégorielles seront exprimées sous forme de proportions (fréquence).

L'algorithme de segmentation d'apprentissage en profondeur segmentera le parenchyme pulmonaire de l'ensemble du poumon CT. Une analyse de la distribution du volume pulmonaire, du poids pulmonaire et de l'intensité de l'opacité sera appliquée. Deuxièmement, une analyse de regroupement pour stratifier les patients sera effectuée. Un algorithme d'intensité et un algorithme de regroupement spatial seront testés. Troisièmement, un modèle sera formé pour prédire la progression de la blessure à l'aide des images et de toutes les autres données du patient. La signification statistique sera considérée en présence d'un p<0,05 (bilatéral).