Crowdsourcing otwartego repozytorium obrazowania COVID-19 do badań nad sztuczną inteligencją

Pandemia COVID-19 obnaża zapotrzebowanie na dostępne, wyselekcjonowane zbiory danych, które naukowcy mogą wykorzystać do tworzenia modeli sztucznej inteligencji (AI) klasy klinicznej. Naukowcy z Chin niedawno wykorzystali modele głębokiego uczenia się sztucznej inteligencji klasy klinicznej przeszkolone w zakresie obrazowania radiograficznego w skali wykładniczej, aby wykrywać przypadki COVID-19 i optymalizować alokację ograniczonych zasobów. (Jin S, Wang B, Xu H i in. Wspomagana sztuczną inteligencją analiza obrazowania tomografii komputerowej do badań przesiewowych w kierunku COVID-19: Budowa i wdrożenie medycznego systemu sztucznej inteligencji w cztery tygodnie. medRxiv. 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354). Ta platforma badawcza nie jest obecnie dostępna w Stanach Zjednoczonych, ponieważ nie ma dostępnych dużych zestawów zdjęć radiologicznych pacjentów z COVID-19, które można by wykorzystać. Dlatego celem tego projektu jest uruchomienie interaktywnego i zgodnego z HIPAA portalu internetowego CovidImaging.com, w którym pacjenci mogą bezpiecznie udostępniać swoje dane radiograficzne. Ten portal będzie służył jako repozytorium obrazowania do celów szkolenia, testowania i walidacji modelu AI mającego na celu wcześniejsze i dokładniejsze wykrywanie chorób w tej globalnej walce z COVID-19.

30 stycznia 2020 r. Światowa Organizacja Zdrowia uznała wybuch COVID-19, który rozpoczął się w Wuhan w Chinach, za globalny stan zagrożenia zdrowia. Od tego czasu wirus szybko rozprzestrzenił się na całym świecie jako pandemia, niekorzystnie wpływając na systemy opieki zdrowotnej kosztem potrzeb podstawowej opieki zdrowotnej.1Objawy przypadki COVID-19 objawiają się objawami klinicznymi podobnymi do wirusowego zapalenia płuc, takimi jak gorączka, duszność, dreszcze, zmęczenie, kaszel i duszność, które mogą przejść w zespół ostrej niewydolności oddechowej, wymagający intensywnej opieki i wentylacji. 2 Analiza popłuczyn oskrzelowo-pęcherzykowych i mikroskopia elektronowa zidentyfikowały czynnik sprawczy jako nowy wirus RNA o dodatniej czułości z rodziny Coronaviridae, ze wzbogaconymi peplomerami przyczepionymi do jego otoczki.3 Ta rodzina wirusów została również powiązana z zespołem ciężkiej ostrej niewydolności oddechowej (SARS) i zespołem oddechowym na Bliskim Wschodzie (MERS), które powodują podobną śmiertelność związaną z zapaleniem płuc.

Przeprowadzono wstępne przeglądy w celu zbadania nakładania się zgłoszonych cech obrazowania w SARS, MERS i COVID-19 w odniesieniu do wystąpienia objawów, progresji choroby i obserwacji. Wczesne dowody sugerują znaczne nakładanie się cech obrazowania, takich jak obszary podopłucnowe i obwodowe zmętnienia i konsolidacji matowej szyby, przy czym wstępne obrazowanie klatki piersiowej wskazuje na nieprawidłowości u co najmniej 85% pacjentów z COVID-19. 4 W przypadku braku szczepionek i określonych leków terapeutycznych do zapobiegania i leczenia COVID-19, wykrycie choroby odgrywa istotną rolę w strategiach powstrzymywania, które izolują zakażonych ludzi od zdrowej populacji. Mimo że czułość RT-PCR dla COVID-19 może wynosić zaledwie 60-70%, jest to obecnie metoda testowania na dużą skalę o wysokiej swoistości.7 Niska czułość RT-PCR, wraz z ograniczeniami w zakresie pobierania próbek, opóźnień w czasie, transportu i sprzętu laboratoryjnego oznacza, że ​​nie jest identyfikowanych na czas wystarczająco dużo osób z pozytywnym wynikiem na COVID-19, aby zapobiec postępującej infekcji tym wysoce zaraźliwym wirusem. Biorąc pod uwagę udział dróg oddechowych w infekcjach COVID-19, radiografia klatki piersiowej odegrała ważną rolę w badaniach przesiewowych, diagnozowaniu i opracowywaniu planów leczenia pacjentów z zapaleniem płuc związanym z COVID-19. Dlatego połączenie obrazowania z wynikami klinicznymi i laboratoryjnymi może ułatwić wczesną diagnozę COVID-19.5 Wczesne wykrycie przyspieszyłoby leczenie i pozwoliłoby na wczesną izolację pacjenta. Jest to niezbędne do wdrożenia nadzoru zdrowia publicznego, powstrzymania i reagowania na wysoce zakaźną chorobę, w której przenoszenie może nastąpić przed wystąpieniem objawów. Poprawa precyzji interpretacji radiograficznej za pomocą modeli AI może poprawić wskaźnik wykrywalności i rokowanie pacjentów, a tym samym pomóc ograniczyć rozprzestrzenianie się COVID-19.

Jak niedawno doniesiono, tomografia komputerowa klatki piersiowej wykazuje wspólne cechy radiograficzne u prawie wszystkich pacjentów z COVID-19, w tym zmętnienia typu matowej szyby 4, wieloogniskowe niejednolite konsolidacje i/lub zmiany śródmiąższowe o rozmieszczeniu obwodowym. 8,9 Przeprowadzono również badania mające na celu porównanie skuteczności i wartości diagnostycznej CT klatki piersiowej z testami RT-PCR w przypadkach COVID-19. Opis przypadku 1014 pacjentów w Chinach wykazał, że tomografia komputerowa klatki piersiowej ma wysoką czułość w diagnostyce COVID-19, przy czym od 60% do 93% przypadków wykazuje wstępną pozytywną diagnozę CT przed początkowymi pozytywnymi wynikami RT-PCR. 10 Inne badanie z udziałem 51 pacjentów, u których wykonano tomografię komputerową klatki piersiowej i test RT-PCR w ciągu 3 dni, wykazało, że czułość CT na zakażenie COVID-19 wynosiła 98%, w porównaniu z 71% czułością RT-PCR.11 Badania te dodatkowo wskazują na wartość diagnostyczną radiogramów klatki piersiowej wraz z wynikami klinicznymi i laboratoryjnymi. W ramach tego projektu powstanie duże repozytorium obrazów radiograficznych, które będzie wykorzystywane do szkolenia i weryfikowania modelu głębokiego uczenia sztucznej inteligencji. Ten projekt nieuchronnie obejmuje nie tylko zaprojektowanie i udoskonalenie modelu głębokiego uczenia się, ale także kuratorowanie repozytorium przekazanych radiogramów klatki piersiowej, które zostaną wykorzystane do szkolenia nowego modelu. Korzystanie z bezpiecznej i zgodnej z HIPAA platformy internetowej, zaprojektowanej dla tego projektu, pozwoli temu projektowi zastosować podejście do dużych zbiorów danych w celu poprawy dokładności modelu. Ponieważ pacjenci z placówek służby zdrowia w całym kraju będą mieli równe szanse udziału w projekcie, portal ten będzie również okazją do poszerzenia puli demograficznej w sposób, w jaki nie były możliwe wcześniejsze badania.