SARS-CoV2 유발 폐 손상의 폐 CT 스캔 분석 (TAC-COVID19)

배경:

2월에 SARS-CoV2 양성 환자의 첫 번째 사례가 코로나바이러스 질병 2019(COVID-19)라고 하는 심각한 형태의 급성 호흡 부전을 일으킬 수 있는 바이러스인 이탈리아 롬바르디아에서 기록되었습니다.

폐 형태학의 질적 평가는 환자의 입원 및 입원 시 이 감염의 거시적 특성을 설명하기 위해 확인되었습니다.

현재 SARS-CoV2에 의해 유발된 실질 폐 손상을 정량 분석으로 철저하게 기술한 연구는 없습니다.

이 연구의 가설은 SARS-CoV2에 의해 유발된 중증 호흡 부전을 앓고 있는 환자에서 CT 스캔을 통해 평가된 폐 실질의 특정 형태학적 및 양적 변경이 호흡 교환의 변경 정도의 심각성에 영향을 미칠 수 있다는 것입니다. (산소화 및 CO2 제거) 환자 결과에 영향을 미칩니다.

CT 스캔으로 평가된 특징적인 폐 형태학적 패턴의 존재는 집중 치료에서 다르게 혜택을 받을 수 있는 특정 환자 클러스터를 인식할 수 있게 하여 환자의 중증도와 사망 위험을 계층화하는 데 크게 기여할 수 있습니다.

이것은 핵산 증폭 테스트에서 SARS-CoV2 양성으로 확인된 완전히 새로운 환자 집단의 폐 CT 이미지에 대한 탐색적 임상 기술 연구입니다.

샘플 크기(n. 환자):

이 연구는 포함 기준에 따라 모든 환자를 수집합니다. 총 500명의 환자가 수집될 것으로 예상됩니다.

약 80 명의 환자가 각 지역 실험 센터에 등록됩니다.

다음 환자 데이터가 분석됩니다.

• CT 스캔에 할당된 혈액 가스 분석 데이터, 입원 시, CT 스캔 수행 시, 집중 치료 입원 및 입원 후 7일 동안 수행된 검사
• 연령, 성별 및 체질량 지수(BMI)와 같은 환자 특성
• 동반이환
• 순차적 장기 부전 평가(SOFA)를 통한 장기 기능 장애의 존재
• 입원 전 입원 및 증상과 관련된 실험실 데이터.
• 입원 시, CT 촬영 시, 중환자실 입원 시, 입원 후 7일 동안 인공호흡기 및 혈역학 파라미터.

폐 CT 스캔 분석의 기계 학습 접근 방식은 다음을 평가하는 것을 목표로 합니다.

1. 양적 및 질적 폐 변형;
2. 딥 러닝 알고리즘을 사용하여 인공 지능을 통해 식별된 특정 형태적 폐 클러스터에서 이러한 형태적 특성의 계층화.

윤리적 측면:

폐 CT 스캔 이미지는 수집되고 익명화됩니다. 이후 이미지는 딥 러닝 알고리즘을 사용하여 인공 지능을 활용하는 고급 정량 분석을 위해 식별되지 않은 형식으로 밀라노-비코카 대학교 기관 Google 드라이브 계정에서 펜실베니아 대학교, 마취 및 중환자실 및 방사선과로 전송됩니다.

데이터는 종이 사례 보고서 양식(CRF)을 통해 익명의 방식으로 수집되고 프로젝트의 과학 코디네이터가 분석합니다.

연구의 후향적 특성과 이 대유행 긴급 상황에서 환자의 정보에 입각한 동의를 얻는 데 기술적 어려움이 있는 경우 정보에 입각한 동의가 면제됩니다.

통계 분석:

연속 데이터는 Shapiro-Wilk 테스트로 평가할 데이터 분포에 따라 평균 ± 표준 편차 또는 중앙값 및 사분위수 범위로 표현됩니다. 범주형 변수는 비율(빈도)로 표현됩니다.

딥 러닝 분할 알고리즘은 전체 CT 폐에서 폐 실질을 분할합니다. 폐 용적, 폐 중량 및 혼탁 강도 분포 분석이 적용됩니다. 둘째, 환자를 계층화하기 위한 클러스터링 분석을 수행한다. 강도 및 공간 클러스터링 알고리즘이 모두 테스트됩니다. 셋째, 이미지 및 기타 모든 환자 데이터를 사용하여 부상 진행을 예측하도록 모델을 훈련합니다. 통계적 유의성은 p<0.05(양측)의 존재에서 고려될 것이다.