Crowdsourcing di un repository di immagini COVID-19 aperto per la ricerca sull'IA

La pandemia di COVID-19 sta mettendo a nudo la necessità di set di dati curati accessibili che i ricercatori possano utilizzare per costruire modelli di intelligenza artificiale (AI) di livello clinico. I ricercatori in Cina hanno recentemente utilizzato modelli di deep learning di IA di livello clinico addestrati sull'imaging radiografico su scala esponenziale per rilevare casi di COVID-19 e ottimizzare l'allocazione di risorse limitate. (Jin S, Wang B, Xu H, et al. Analisi di imaging ct assistita da AI per lo screening covid-19: costruzione e implementazione di un sistema di intelligenza artificiale medica in quattro settimane. medRxiv. 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354). Questa piattaforma di ricerca non è attualmente possibile negli Stati Uniti perché non ci sono grandi set di immagini radiografiche accessibili di pazienti COVID-19 da sfruttare. Pertanto, lo scopo di questo progetto è lanciare un portale Web interattivo e conforme a HIPAA, CovidImaging.com, in cui i pazienti possono condividere in modo sicuro i propri dati di imaging radiografico. Questo portale fungerà da archivio di immagini allo scopo di addestrare, testare e convalidare un modello di intelligenza artificiale finalizzato a un rilevamento precoce e più accurato delle malattie in questa lotta globale contro COVID-19.

Il 30 gennaio 2020 l'Organizzazione mondiale della sanità ha designato l'epidemia di COVID-19 originatasi a Wuhan, in Cina, come un'emergenza sanitaria globale. Da allora, il virus si è rapidamente diffuso in tutto il mondo come una pandemia, colpendo sfavorevolmente i sistemi sanitari a scapito dei requisiti sanitari primari.1 Sintomatico i casi di COVID-19 si presentano con sintomi clinici simili alla polmonite virale come febbre, mancanza di respiro, brividi, affaticamento, tosse e dispnea che possono progredire fino alla sindrome da distress respiratorio acuto, che richiede cure critiche e ventilazione. 2 L'analisi del lavaggio broncoalveolare e la microscopia elettronica hanno identificato l'agente eziologico come un nuovo virus a RNA a senso positivo della famiglia Coronaviridae, con peplomeri appuntiti attaccati al suo involucro.3 Questa famiglia di virus è stata anche associata alla sindrome respiratoria acuta grave (SARS) e alla sindrome respiratoria del Medio Oriente (MERS), che causano una mortalità correlata alla polmonite simile.

Sono state condotte revisioni preliminari per indagare sulla sovrapposizione delle caratteristiche di imaging riportate in SARS, MERS e COVID-19 in relazione all'insorgenza dei sintomi, alla progressione della malattia e al follow-up. Le prime prove suggeriscono una significativa sovrapposizione nelle caratteristiche di imaging come le aree subpleuriche e periferiche di opacità e consolidamento del vetro smerigliato, con l'imaging iniziale del torace che indica un'anomalia in almeno l'85% dei pazienti COVID-19. 4 In assenza di vaccini e farmaci terapeutici specifici per la prevenzione e il trattamento di COVID-19, l'individuazione della malattia gioca un ruolo fondamentale nelle strategie di contenimento che isolano le persone infette dalla popolazione sana. Anche se la sensibilità RT-PCR per COVID-19 può arrivare fino al 60-70%, attualmente è il metodo di test su larga scala con la sua elevata specificità.7 La bassa sensibilità di RT-PCR, insieme alle limitazioni della raccolta dei campioni, del ritardo, del trasporto e delle attrezzature di laboratorio, significa che non vengono identificate abbastanza persone positive al COVID-19 in tempo per prevenire l'infezione progressiva di questo virus altamente contagioso. Dato il coinvolgimento respiratorio nelle infezioni da COVID-19, la radiografia del torace ha svolto un ruolo importante nello screening, nella diagnosi e nello sviluppo di piani di trattamento per i pazienti con polmonite correlata a COVID-19. Pertanto, la combinazione di imaging con risultati clinici e di laboratorio potrebbe facilitare la diagnosi precoce di COVID-19.5 La diagnosi precoce accelererebbe il trattamento e consentirebbe l'isolamento precoce del paziente. Ciò è essenziale per l'attuazione della sorveglianza, del contenimento e della risposta della sanità pubblica per una malattia altamente trasmissibile in cui la trasmissione può avvenire prima dell'insorgenza dei sintomi. Migliorare la precisione dell'interpretazione radiografica con i modelli AI può migliorare il tasso di rilevamento e la prognosi del paziente e quindi contribuire a ridurre la diffusione del COVID-19.

Come riportato di recente, la TC del torace mostra caratteristiche radiografiche comuni in quasi tutti i pazienti con COVID-19, comprese opacità a vetro smerigliato 4, consolidamento a chiazze multifocali e/o alterazioni interstiziali con distribuzione periferica. 8,9 Sono stati condotti anche studi per confrontare l'efficacia e il valore diagnostico della TC del torace con i test RT-PCR nei casi di COVID-19. Un caso clinico di 1014 pazienti in Cina ha concluso che la TC del torace ha un'elevata sensibilità per la diagnosi di COVID-19, con dal 60% al 93% dei casi che mostrano una diagnosi iniziale positiva della TC prima dei risultati iniziali positivi della RT-PCR. 10 Un altro studio con 51 pazienti sottoposti a TC toracica e analisi RT-PCR entro 3 giorni ha mostrato che la sensibilità della TC per l'infezione da COVID-19 era del 98%, rispetto al 71% della sensibilità RT-PCR.11 Questi studi indicano ulteriormente il valore diagnostico delle radiografie del torace insieme ai risultati clinici e di laboratorio. Questo progetto svilupperà un ampio archivio di immagini radiografiche che verrà utilizzato per addestrare e convalidare un modello di apprendimento profondo dell'IA. Questo progetto implica necessariamente non solo la progettazione e il perfezionamento di un modello di deep learning, ma anche la cura di un archivio di radiografie del torace donate che verranno utilizzate per addestrare il nuovo modello. L'utilizzo di una piattaforma online sicura e conforme a HIPAA, come è stato progettato per questo progetto, consentirà a questo progetto di utilizzare un approccio basato sui big data per migliorare l'accuratezza del modello. Poiché i pazienti delle strutture sanitarie di tutto il paese avranno pari opportunità di partecipare al progetto, questo portale offrirà anche l'opportunità di espandere il pool demografico in un modo che gli studi precedenti non potevano.