Tomografia Computerizzata per la Diagnosi del COVID-19 (STOIC)

Lo scoppio del nuovo coronavirus SARS-CoV-2, inizialmente epicentrato in Cina e responsabile della polmonite COVID-19, si è ora diffuso in Francia, con 7730 casi confermati e 175 decessi al 17 marzo. La diagnosi si basa sull'identificazione dell'RNA virale mediante reazione a catena della polimerasi con trascrizione inversa (RT-PCR), ma la sua positività può essere ritardata. Uno studio su 1014 pazienti cinesi ha riportato una maggiore sensibilità per la TC, con un intervallo medio di tempo tra i risultati iniziali negativi e quelli positivi della RT-PCR di 5,1 ± 1,5 giorni (PMID: 32101510). Inoltre, ottenere i risultati della RT-PCR richiede diverse ore, il che è problematico per il triage dei pazienti.

La TC del torace può consentire una rappresentazione precoce del COVID-19, specialmente se eseguita più di 3 giorni dopo l'insorgenza dei sintomi. È importante distinguere tra COVID-19 e cause batteriche di infezione polmonare, il che richiede competenza nell'imaging toracico. Pertanto, è importante identificare criteri diagnostici TC affidabili basati sulla valutazione visiva e sviluppare soluzioni basate sul deep learning per una diagnosi positiva precoce che possano essere utilizzate da lettori meno esperti, in un contesto di grande epidemia.

Sono già stati identificati diversi fattori di rischio per un esito negativo, come l'età avanzata, le comorbidità o un livello elevato di d-dimero alla presentazione (PMID: 32171076). Estese anomalie TC sono legate a un esito negativo, ma alcuni pazienti peggiorano secondariamente nonostante anomalie non estese alla prima valutazione, evidenziando la necessità di una previsione del peggioramento basata sui risultati di imaging iniziali. Infine, attualmente non esiste un farmaco con efficacia dimostrata per i pazienti con sindrome da distress respiratorio acuto, la cui gestione si basa sulla ventilazione meccanica e sulle cure di supporto. Alcuni hanno ipotizzato che Remdesivir, una terapia antivirale, potrebbe essere efficace (PMID: 32147516), con trial randomizzati in corso condotti in Cina e negli Stati Uniti. Strumenti automatizzati che consentano di quantificare l'estensione della malattia sulla TC sarebbero auspicabili per valutare l'efficacia di nuovi trattamenti.

È necessario costruire un ampio set di dati di immagini TC per l'identificazione di criteri TC accurati e lo sviluppo di soluzioni basate sul deep learning per la diagnosi, la quantificazione e la stima prognostica.

L'obiettivo di questo progetto è triplice: (i) creare un repository di database aperto multicentrico sulle scansioni TC relative al COVID-19, (ii) creare un protocollo di annotazione multi-esperto con diversi livelli di annotazione che descrivano la gravità della malattia, (iii) consentire lo sviluppo di soluzioni assistite da computer non proprietarie (accademia e industria) per la quantificazione automatica delle malattie e la prognosi attraverso l'uso dei più recenti progressi nel campo dell'intelligenza artificiale.

Per i pazienti, la convalida di criteri diagnostici affidabili consentirà una rilevazione precoce della malattia e una migliore distinzione con altre potenziali cause di sintomi respiratori acuti, che richiedono un trattamento specifico, come la broncopolmonite batterica. Contribuirà a una standardizzazione delle cure e a un accesso equo alla diagnosi e al trattamento per l'intera popolazione.

Il beneficio per la salute pubblica sarà l'accesso alla diagnosi TC del COVID-19 indipendentemente dalla disponibilità di competenze locali nell'imaging toracico. La possibilità di anticipare la necessità di ventilazione, basata sui punteggi di gravità TC sviluppati, avrà anche un impatto positivo sulla gestione dei pazienti, in particolare nel contesto di un flusso massiccio di pazienti come previsto al picco dell'epidemia. Questo progetto consentirà di valutare la proporzione di pazienti che potrebbero presentare sequele respiratorie, basandosi sulla gravità e sull'estensione delle anomalie polmonari nella fase acuta della malattia.

La disponibilità di strumenti di quantificazione automatizzati aiuterà a valutare l'efficacia del trattamento se verranno sviluppati nuovi approcci terapeutici.

Infine, gli strumenti sviluppati per la diagnosi precoce, la valutazione della gravità e la previsione degli esiti potrebbero rivelarsi utili se in futuro si verificheranno altre pandemie virali. Infatti, l'epidemia di SARS-Cov2 è stata preceduta da epidemie di SARS e MERS causate da altri coronavirus.