Computertomografie voor COVID-19-diagnose (STOIC)

De uitbraak van het nieuwe coronavirus SARS-CoV-2, aanvankelijk geëpiceerd in China en verantwoordelijk voor COVID-19-pneumonie, heeft zich nu verspreid naar Frankrijk, met 7730 bevestigde gevallen en 175 doden per 17 maart. De diagnose berust op de identificatie van viraal RNA door reverse-transcriptie polymerasekettingreactie (RT-PCR), maar de positiviteit kan vertraagd zijn. Een reeks gebaseerd op 1014 Chinese patiënten rapporteerde een hogere gevoeligheid voor CT, met een gemiddeld interval tussen de initiële negatieve en positieve RT-PCR-resultaten van 5,1 ± 1,5 dagen (PMID: 32101510). Bovendien vereist het verkrijgen van RT-PCR-resultaten enkele uren, wat problematisch is voor patiëntentriage.

Borst-CT kan vroege weergave van COVID-19 mogelijk maken, vooral wanneer uitgevoerd meer dan 3 dagen na het begin van symptomen. Het is belangrijk om onderscheid te maken tussen COVID-19 en bacteriële oorzaken van longinfectie, wat expertise in thoracale beeldvorming vereist. Dus is het belangrijk om betrouwbare CT-diagnostische criteria te identificeren op basis van visuele beoordeling, en ook deep-learning-gebaseerde oplossingen te ontwikkelen voor vroege positieve diagnose die gebruikt kunnen worden door minder ervaren lezers, in de context van een grote epidemie.

Verschillende risicofactoren voor slechte uitkomst zijn al geïdentificeerd, zoals oudere leeftijd, comorbiditeiten, of een verhoogd d-dimeerniveau bij presentatie (PMID: 32171076). Uitgebreide CT-afwijkingen zijn gekoppeld aan slechte uitkomst, maar sommige patiënten verslechteren secundair ondanks niet-uitgebreide afwijkingen bij eerste beoordeling, wat de noodzaak benadrukt van verslechteringsvoorspelling gebaseerd op initiële beeldvormingsbevindingen. Ten slotte is er momenteel geen medicijn met bewezen effectiviteit voor patiënten met acuut respiratoir distresssyndroom, waarvan het management afhangt van mechanische ventilatie en ondersteunende zorg. Sommigen veronderstelden dat Remdesivir, een antivirale therapie, effectief zou kunnen zijn (PMID: 32147516), met lopende gerandomiseerde onderzoeken uitgevoerd in China en de VS. Geautomatiseerde tools die het mogelijk maken om de ziekteomvang op CT te kwantificeren, zouden wenselijk zijn om de effectiviteit van nieuwe behandelingen te evalueren.

Het opbouwen van een grote dataset van CT-beelden is nodig voor identificatie van accurate CT-criteria en ontwikkeling van deep-learning-gebaseerde oplossingen voor diagnose, kwantificering en prognostische schatting.

Het doel van dit project is driedelig: (i) creëren van een multidisciplinaire open databaserepository op CT-scans gerelateerd aan COVID-19, (ii) creëren van een multidisciplinair expertannotatieprotocol met verschillende niveaus van annotaties die de ernst van de ziekte weergeven, (iii) mogelijk maken van de ontwikkeling van niet-propriëtaire computerondersteunde oplossingen (academia & industrie) voor automatische kwantificering van de ziekten en prognose door gebruik van de nieuwste ontwikkelingen op het gebied van kunstmatige intelligentie.

Voor patiënten zal de validatie van betrouwbare diagnostische criteria vroege detectie van de ziekte mogelijk maken, en beter onderscheid met andere potentiële oorzaken van acute respiratoire symptomen, die een specifieke behandeling vereisen, zoals bacteriële bronchopneumonie. Het zal bijdragen aan een standaardisatie van zorg evenals gelijke toegang tot diagnose en behandeling voor de gehele bevolking.

Het voordeel voor de volksgezondheid zal zijn toegang tot CT-diagnose van COVID-19 onafhankelijk van de beschikbaarheid van lokale expertise in thoracale beeldvorming. De mogelijkheid om de behoefte aan ventilatie te anticiperen, gebaseerd op de ontwikkelde CT-ernst-scores, zal ook positief impact hebben op het management van patiënten, vooral in de context van een massale instroom van patiënten zoals verwacht op het epidemisch hoogtepunt. Dit project zal het evalueren van het aandeel patiënten dat waarschijnlijk respiratoire restverschijnselen vertoont, mogelijk maken, gebaseerd op de ernst en omvang van longafwijkingen in de acute fase van de ziekte.

De beschikbaarheid van geautomatiseerde kwantificeringstools zal helpen bij het evalueren van behandeleffectiviteit als nieuwe therapeutische benaderingen worden ontwikkeld.

Ten slotte kunnen de ontwikkelde tools voor vroege diagnose, evaluatie van ernst en voorspelling van uitkomsten nuttig blijken als andere virale pandemieën in de toekomst voorkomen. Inderdaad, de SARS-Cov2-uitbraak werd voorafgegaan door SARS- en MERS-uitbraken veroorzaakt door andere coronavirus.