Datatomografi for COVID-19-diagnostikk (STOIC)

Utbruddet av den nye koronaviruset SARS-CoV-2, som opprinnelig hadde sitt episenter i Kina og er ansvarlig for COVID-19-lungebetennelse, har nå spredt seg til Frankrike, med 7730 bekreftede tilfeller og 175 dødsfall per 17. mars. Diagnosen bygger på identifikasjon av viral RNA ved hjelp av revers-transkripsjon polymerase-kjede-reaksjon (RT-PCR), men dens positivitet kan være forsinket. En serie basert på 1014 kinesiske pasienter rapporterte høyere følsomhet for CT, med et gjennomsnittlig tidsintervall mellom de første negative og positive RT-PCR-resultatene på 5,1 ± 1,5 dager (PMID: 32101510). Dessuten krever det å oppnå RT-PCR-resultater flere timer, noe som er problematisk for triage av pasienter.

Bryst-CT kan tillate tidlig avbildning av COVID-19, spesielt når den utføres mer enn 3 dager etter symptomstart. Det er viktig å skille mellom COVID-19 og bakterielle årsaker til lungeinfeksjon, noe som krever ekspertise i thorakal bildebehandling. Derfor er det viktig å identifisere pålitelige CT-diagnostiske kriterier basert på visuell vurdering, og også utvikle dyp læringsbaserte løsninger for tidlig positiv diagnose som kan brukes av mindre erfarne lesere, i en sammenheng med stor epidemi.

Flere risikofaktorer for dårlig utfall er allerede identifisert, som høyere alder, komorbiditeter, eller et forhøyet d-dimer-nivå ved presentasjon (PMID: 32171076). Omfattende CT-avvik er knyttet til dårlig utfall, men noen pasienter forverres sekundært til tross for ikke omfattende avvik ved første vurdering, noe som understreker behovet for forverringsprognose basert på første bildediagnostiske funn. Til slutt er det for øyeblikket ingen medikament med bevist effekt for pasienter med akutt respirasjonssvikt-syndrom, hvis behandling bygger på mekanisk ventilasjon og støttende behandling. Noen har hypotetisert at Remdesivir, en antiviralt terapi, kan være effektiv (PMID: 32147516), med pågående randomiserte forsøk utført i Kina og USA. Automatiserte verktøy som tillater kvantifisering av sykdommens omfang på CT ville være ønskelige for å evaluere effektiviteten av nye behandlinger.

Å bygge et stort datasett med CT-bilder er nødvendig for identifikasjon av nøyaktige CT-kriterier og utvikling av dyp læringsbaserte løsninger for diagnose, kvantifisering og prognoseestimat.

Målet med dette prosjektet er tredelt: (i) opprette et multisentrisk åpent database-arkiv på CT-skanninger relatert til COVID-19, (ii) opprette et multiekspert-annotasjonsprotokoll med forskjellige nivåer av annotasjoner som beskriver sykdommens alvorlighet, (iii) tillate utviklingen av ikke-proprietære datamaskinassisterte løsninger (akademia og industri) for automatisk kvantifisering av sykdommene og prognose gjennom bruk av de nyeste fremskrittene innen kunstig intelligens.

For pasienter vil valideringen av pålitelige diagnostiske kriterier tillate tidlig deteksjon av sykdommen, og bedre skille mellom andre potensielle årsaker til akutte respirasjonssymptomer, som krever en spesifikk behandling, som bakteriell bronkopneumoni. Det vil bidra til en standardisering av omsorg samt lik tilgang til diagnose og behandling for hele befolkningen.

Folkhelsefordelen vil være tilgang til CT-diagnose av COVID-19 uavhengig av tilgjengeligheten av lokal ekspertise i thorakal bildebehandling. Muligheten til å forutse behovet for ventilering, basert på de utviklede CT-alvorlighetsscorene, vil også positivt påvirke behandlingen av pasienter, spesielt i sammenheng med en massiv strøm av pasienter som forventes på epidemiens topp. Dette prosjektet vil tillate evaluering av andelen pasienter som sannsynligvis vil presentere respirasjonsfølger, basert på alvorligheten og omfanget av lungeavvik i sykdommens akutte fase.

Tilgjengeligheten av automatiserte kvantifiseringsverktøy vil hjelpe til med å evaluere behandlingseffektivitet hvis nye terapeutiske tilnærminger utvikles.

Til slutt kan de utviklede verktøyene for tidlig diagnose, evaluering av alvorlighet og prediksjon av utfall vise seg nyttige hvis andre virale pandemier oppstår i fremtiden. Faktisk har SARS-Cov2-utbruddet blitt forutgått av SARS- og MERS-utbrudd forårsaket av andre koronavirus.