Crowdsourcing de um repositório aberto de imagens COVID-19 para pesquisa de IA

A pandemia do COVID-19 está revelando a necessidade de conjuntos de dados com curadoria acessíveis que os pesquisadores possam usar para construir modelos de inteligência artificial (IA) de nível clínico. Pesquisadores na China usaram recentemente modelos de aprendizado profundo de IA de grau clínico treinados em imagens radiográficas em escala exponencial para detectar casos de COVID-19 e otimizar a alocação de recursos limitados. (Jin S, Wang B, Xu H, et al. Análise de imagens de TC assistida por IA para triagem de covid-19: Construindo e implantando um sistema de IA médica em quatro semanas. medRxiv. 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354). Atualmente, essa plataforma de pesquisa não é possível nos Estados Unidos porque não há grandes conjuntos de imagens radiográficas acessíveis de pacientes com COVID-19 para alavancar. Portanto, o objetivo deste projeto é lançar um portal da Web interativo e compatível com HIPAA - CovidImaging.com - onde os pacientes podem compartilhar com segurança seus dados de imagens radiográficas. Este portal servirá como um repositório de imagens com o objetivo de treinar, testar e validar um modelo de IA voltado para a detecção precoce e mais precisa de doenças nesta luta global contra o COVID-19.

Em 30 de janeiro de 2020, a Organização Mundial da Saúde designou o surto de COVID-19 originado em Wuhan, China, como uma emergência de saúde global. Desde então, o vírus se espalhou rapidamente pelo mundo como uma pandemia, afetando desfavoravelmente os sistemas de saúde em detrimento dos requisitos de cuidados de saúde primários.1Sintomático casos de COVID-19 apresentam sintomas clínicos semelhantes à pneumonia viral, como febre, falta de ar, calafrios, fadiga, tosse e dispneia que podem evoluir para síndrome do desconforto respiratório agudo, exigindo cuidados intensivos e ventilação. 2 A análise do lavado broncoalveolar e a microscopia eletrônica identificaram o agente causador como um novo vírus de RNA de sentido positivo da família Coronaviridae, com peplômeros pontiagudos ligados ao seu envelope.3 Essa família de vírus também foi associada à síndrome respiratória aguda grave (SARS) e à síndrome respiratória do Oriente Médio (MERS), que causam mortalidade semelhante relacionada à pneumonia.

Revisões preliminares foram realizadas para investigar a sobreposição de recursos de imagem relatados em SARS, MERS e COVID-19 no que se refere ao início dos sintomas, progressão da doença e acompanhamento. Evidências iniciais sugerem sobreposição significativa em recursos de imagem, como áreas subpleurais e periféricas de opacidade em vidro fosco e consolidação, com imagens iniciais do tórax indicando anormalidade em pelo menos 85% dos pacientes com COVID-19. 4 Na ausência de vacinas e medicamentos terapêuticos específicos para a prevenção e tratamento da COVID-19, a detecção da doença desempenha um papel vital nas estratégias de contenção que isolam as pessoas infectadas da população saudável. Embora a sensibilidade de RT-PCR para COVID-19 possa ser tão baixa quanto 60-70%, atualmente é o método de teste em larga escala com sua alta especificidade.7 A baixa sensibilidade do RT-PCR, juntamente com as limitações de coleta de amostras, atrasos, transporte e equipamentos de laboratório, significa que não há pessoas positivas para COVID-19 suficientes sendo identificadas a tempo de prevenir a infecção progressiva desse vírus altamente contagioso. Dado o envolvimento respiratório nas infecções por COVID-19, a radiografia de tórax desempenhou um papel importante na triagem, diagnóstico e desenvolvimento de planos de tratamento para pacientes com pneumonia relacionada ao COVID-19. Portanto, combinar imagens com achados clínicos e laboratoriais pode facilitar o diagnóstico precoce da COVID-19.5 A detecção precoce aceleraria o tratamento e permitiria o isolamento precoce do paciente. Isso é essencial para a implementação da vigilância em saúde pública, contenção e resposta a uma doença altamente transmissível na qual a transmissão pode ocorrer antes do início dos sintomas. Melhorar a precisão da interpretação radiográfica com modelos de IA pode melhorar a taxa de detecção e o prognóstico do paciente e, assim, ajudar a reduzir a disseminação do COVID-19.

Conforme relatado recentemente, a TC de tórax demonstra características radiográficas comuns em quase todos os pacientes com COVID-19, incluindo opacidades em vidro fosco 4, consolidação irregular multifocal e/ou alterações intersticiais com distribuição periférica. 8,9 Estudos também foram realizados para comparar a eficácia e o valor diagnóstico da TC de tórax com os testes de RT-PCR em casos de COVID-19. Um relato de caso de 1.014 pacientes na China concluiu que a TC de tórax tem alta sensibilidade para o diagnóstico de COVID-19, com 60% a 93% dos casos apresentando diagnóstico inicial positivo de TC antes dos resultados iniciais positivos de RT-PCR. 10 Outro estudo com 51 pacientes com TC de tórax e ensaio de RT-PCR em 3 dias mostrou que a sensibilidade da TC para infecção por COVID-19 foi de 98%, em comparação com 71% de sensibilidade de RT-PCR.11 Esses estudos indicam ainda mais o valor diagnóstico das radiografias de tórax juntamente com os achados clínicos e laboratoriais. Este projeto desenvolverá um grande repositório de imagens radiográficas que será usado para treinar e validar um modelo de aprendizado profundo de IA. Este projeto envolve necessariamente não apenas projetar e refinar um modelo de aprendizado profundo, mas também curar um repositório de radiografias de tórax doadas que serão usadas para treinar o novo modelo. O uso de uma plataforma on-line segura e compatível com HIPAA, como foi projetado para este projeto, permitirá que este projeto empregue uma abordagem de big data para melhorar a precisão do modelo. Como os pacientes de unidades de saúde de todo o país terão oportunidades iguais de participar do projeto, este portal também oferecerá uma oportunidade de expandir o grupo demográfico de uma forma que estudos anteriores não conseguiram.