Краудсорсинг открытого репозитория изображений COVID-19 для исследований ИИ

Пандемия COVID-19 обнажает потребность в доступных тщательно отобранных наборах данных, которые исследователи могут использовать для создания моделей искусственного интеллекта (ИИ) клинического уровня. Исследователи в Китае недавно использовали модели глубокого обучения ИИ клинического уровня, обученные рентгенографическим изображениям в экспоненциальном масштабе, для выявления случаев COVID-19 и оптимизации распределения ограниченных ресурсов. (Джин С., Ван Б., Сюй Х. и др. Анализ компьютерной томографии с помощью искусственного интеллекта для скрининга на COVID-19: создание и развертывание медицинской системы искусственного интеллекта за четыре недели. medRxiv. 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354). Эта исследовательская платформа в настоящее время невозможна в Соединенных Штатах, поскольку нет больших доступных наборов рентгенографических изображений пациентов с COVID-19, которые можно было бы использовать. Таким образом, целью этого проекта является запуск интерактивного и совместимого с HIPAA веб-портала — CovidImaging.com, — где пациенты могут безопасно делиться своими рентгенографическими данными. Этот портал будет служить хранилищем изображений для обучения, тестирования и проверки модели ИИ, направленной на более раннее и более точное обнаружение заболеваний в этой глобальной борьбе с COVID-19.

30 января 2020 года Всемирная организация здравоохранения объявила вспышку COVID-19, возникшую в китайском городе Ухань, глобальной чрезвычайной ситуацией в области здравоохранения. С тех пор вирус быстро распространился по миру в виде пандемии, неблагоприятно влияя на системы здравоохранения в ущерб требованиям первичной медико-санитарной помощи.1 Симптоматика случаи COVID-19 проявляются клиническими симптомами, сходными с вирусной пневмонией, такими как лихорадка, одышка, озноб, утомляемость, кашель и одышка, которые могут прогрессировать до острого респираторного дистресс-синдрома, требующего интенсивной терапии и искусственной вентиляции легких. 2 Анализ бронхоальвеолярного лаважа и электронная микроскопия идентифицировали возбудитель как новый РНК-вирус с положительным смыслом в семействе Coronaviridae, с шиповидными пепломерами, прикрепленными к его оболочке.3 Это семейство вирусов также было связано с тяжелым острым респираторным синдромом (SARS) и ближневосточным респираторным синдромом (MERS), которые вызывают аналогичную смертность, связанную с пневмонией.

Предварительные обзоры были проведены для изучения совпадения зарегистрированных признаков визуализации при SARS, MERS и COVID-19, поскольку это связано с появлением симптомов, прогрессированием заболевания и последующим наблюдением. Ранние данные свидетельствуют о значительном совпадении особенностей визуализации, таких как субплевральные и периферические области помутнения и консолидации по типу матового стекла, при этом первоначальная визуализация грудной клетки указывает на аномалии по крайней мере у 85% пациентов с COVID-19. 4 В отсутствие вакцин и специальных терапевтических препаратов для профилактики и лечения COVID-19 обнаружение болезни играет жизненно важную роль в стратегиях сдерживания, которые изолируют инфицированных людей от здорового населения. Несмотря на то, что чувствительность ОТ-ПЦР к COVID-19 может составлять всего 60-70%, в настоящее время это широкомасштабный метод тестирования с его высокой специфичностью.7 Низкая чувствительность ОТ-ПЦР, наряду с ограничениями по сбору образцов, временной задержке, транспортировке и лабораторному оборудованию, означает, что своевременно не выявляется достаточное количество людей с положительным результатом на COVID-19, чтобы предотвратить прогрессирующее заражение этим высококонтагиозным вирусом. Учитывая поражение органов дыхания при инфекциях COVID-19, рентгенография грудной клетки сыграла важную роль в скрининге, диагностике и разработке планов лечения пациентов с пневмонией, связанной с COVID-19. Таким образом, сочетание визуализации с клиническими и лабораторными данными может облегчить раннюю диагностику COVID-19.5 Раннее выявление ускорит лечение и позволит раннее изолировать пациента. Это необходимо для осуществления эпиднадзора, сдерживания и реагирования в отношении высококонтагиозного заболевания, при котором передача может произойти до появления симптомов. Повышение точности рентгенографической интерпретации с помощью моделей ИИ может улучшить частоту обнаружения и прогноз для пациентов и, таким образом, помочь уменьшить распространение COVID-19.

Как недавно сообщалось, КТ грудной клетки демонстрирует общие рентгенографические признаки почти у всех пациентов с COVID-19, в том числе затемнение по типу матового стекла 4, многоочаговую пятнистую консолидацию и/или интерстициальные изменения с периферическим распространением. 8,9 Также были проведены исследования для сравнения эффективности и диагностической ценности КТ грудной клетки с тестами ОТ-ПЦР в случаях COVID-19. В отчете о случаях заболевания 1014 пациентов в Китае сделан вывод о том, что КТ грудной клетки имеет высокую чувствительность для диагностики COVID-19: от 60% до 93% случаев показывают первоначальный положительный диагноз КТ до первоначальных положительных результатов ОТ-ПЦР. 10 Другое исследование с участием 51 пациента, которым в течение 3 дней выполняли КТ органов грудной клетки и анализ ОТ-ПЦР, показало, что чувствительность КТ к инфекции COVID-19 составила 98% по сравнению с 71% чувствительностью ОТ-ПЦР11. Эти исследования дополнительно указывают на диагностическую ценность рентгенограмм грудной клетки наряду с клиническими и лабораторными данными. В рамках этого проекта будет разработан большой репозиторий рентгенографических изображений, который будет использоваться для обучения и проверки модели глубокого обучения ИИ. Этот проект обязательно включает в себя не только разработку и доработку модели глубокого обучения, но и создание хранилища пожертвованных рентгенограмм грудной клетки, которые будут использоваться для обучения новой модели. Использование безопасной онлайн-платформы, отвечающей требованиям HIPAA, которая была разработана для этого проекта, позволит этому проекту использовать подход к большим данным для повышения точности модели. Поскольку пациенты из медицинских учреждений по всей стране будут иметь равные возможности для участия в проекте, этот портал также предоставит возможность расширить демографический пул так, как это было невозможно в предыдущих исследованиях.