Datortomografi för COVID-19-diagnos (STOIC)

Utbrottet av det nya coronaviruset SARS-CoV-2, som initialt hade sitt epicentrum i Kina och orsakar COVID-19-pneumoni, har nu spridits till Frankrike, med 7730 bekräftade fall och 175 dödsfall per den 17 mars. Diagnos bygger på identifiering av viralt RNA genom omvänd transkriptions-polymeraskedjereaktion (RT-PCR), men dess positivitet kan fördröjas. En serie baserad på 1014 kinesiska patienter rapporterade högre känslighet för CT, med ett genomsnittligt intervall mellan initialt negativa till positiva RT-PCR-resultat på 5,1 ± 1,5 dagar (PMID: 32101510). Dessutom kräver det flera timmar att få RT-PCR-resultat, vilket är problematiskt för patienttriage.

Bröst-CT kan möjliggöra tidig avbildning av COVID-19, särskilt när det utförs mer än 3 dagar efter symtomdebut. Det är viktigt att skilja mellan COVID-19 och bakteriella orsaker till lunginfektion, vilket kräver expertis inom thoraxbildtagning. Därför är det viktigt att identifiera tillförlitliga CT-diagnostiska kriterier baserade på visuell bedömning, och också utveckla djupinlärningsbaserade lösningar för tidig positiv diagnos som kan användas av mindre erfarna läsare, i ett sammanhang av stor epidemi.

Flera riskfaktorer för dåligt utfall är redan identifierade, såsom högre ålder, komorbiditeter eller förhöjda d-dimer-nivåer vid presentation (PMID: 32171076). Omfattande CT-avvikelser är kopplade till dåligt utfall, men vissa patienter försämras sekundärt trots icke omfattande avvikelser vid första bedömningen, vilket belyser behovet av förutsägelse av försämring baserat på initiala bildfynd. Slutligen finns det för närvarande inget läkemedel med bevisad effektivitet för patienter med akut respiratorisk distresssyndrom, vars behandling bygger på mekanisk ventilation och stödjande vård. Vissa har hypotiserat att Remdesivir, en antiviral terapi, kan vara effektiv (PMID: 32147516), med pågående randomiserade försök som genomförs i Kina och USA. Automatiserade verktyg som möjliggör kvantifiering av sjukdomsutbredningen på CT skulle vara önskvärda för att utvärdera effektiviteten av nya behandlingar.

Att bygga en stor datamängd av CT-bilder behövs för identifiering av precisa CT-kriterier och utveckling av djupinlärningsbaserade lösningar för diagnos, kvantifiering och prognosbedömning.

Syftet med detta projekt är tredelat: (i) skapa ett multricentriskt öppet databasarkiv för CT-undersökningar relaterade till COVID-19, (ii) skapa ett multiexpertannotationsprotokoll med olika nivåer av annoteringar som beskriver sjukdomens allvarlighetsgrad, (iii) möjliggöra utveckling av icke-proprietära datorstödda lösningar (akademi & industri) för automatisk kvantifiering av sjukdomarna och prognos genom användning av de senaste framstegen inom området artificiell intelligens.

För patienter kommer validering av tillförlitliga diagnostiska kriterier att möjliggöra tidig upptäckt av sjukdomen och bättre åtskillnad från andra potentiella orsaker till akuta respiratoriska symtom, vilka kräver specifik behandling, såsom bakteriell bronkopneumoni. Det kommer att bidra till en standardisering av vård samt likvärdig tillgång till diagnos och behandling för hela befolkningen.

Folkhälsovinsten kommer att vara tillgång till CT-diagnos av COVID-19 oberoende av tillgängligheten av lokal expertis inom thoraxbildtagning. Möjligheten att förutse behovet av ventilation, baserat på de utvecklade CT-allvarlighetsgraderna, kommer också att positivt påverka patienthanteringen, särskilt i ett sammanhang av ett massivt inflöde av patienter som förväntas vid epidemins topp. Detta projekt kommer att möjliggöra utvärdering av andelen patienter som sannolikt kommer att uppvisa respiratoriska sekveljer, baserat på allvarlighetsgraden och utbredningen av lungavvikelser i sjukdomens akuta fas.

Tillgängligheten av automatiserade kvantifieringsverktyg kommer att hjälpa till att utvärdera behandlingseffektivitet om nya terapeutiska tillvägagångssätt utvecklas.

Slutligen kan de utvecklade verktygen för tidig diagnos, utvärdering av allvarlighetsgrad och förutsägelse av utfall visa sig användbara om andra virala pandemier inträffar i framtiden. SARS-CoV-2-utbrottet har faktiskt föregåtts av SARS- och MERS-utbrott orsakade av andra coronavirus.