用于COVID-19诊断的计算机断层扫描 (STOIC)

新型冠状病毒SARS-CoV-2的爆发最初以中国为中心，导致COVID-19肺炎，现已蔓延至法国，截至3月17日，确诊病例7730例，死亡175例。诊断依赖于通过逆转录聚合酶链反应（RT-PCR）鉴定病毒RNA，但其阳性结果可能延迟。一项基于1014名中国患者的研究报告显示，CT具有更高的敏感性，初始RT-PCR阴性到阳性结果的平均间隔时间为5.1±1.5天（PMID：32101510）。此外，获取RT-PCR结果需要数小时，这对患者分诊来说是个问题。

胸部CT可以早期描绘COVID-19，尤其是在症状出现后超过3天进行时。区分COVID-19和细菌性肺部感染原因很重要，这需要胸部成像的专业知识。因此，在大规模流行的背景下，基于视觉评估识别可靠的CT诊断标准，并开发基于深度学习的早期阳性诊断解决方案供经验较少的读者使用，至关重要。

已经确定了一些不良预后的风险因素，如年龄较大、合并症或就诊时d-二聚体水平升高（PMID：32171076）。广泛的CT异常与不良预后相关，但一些患者尽管首次评估时异常不广泛，随后仍恶化，这突显了基于初始影像学发现预测恶化的必要性。最后，目前尚无药物对急性呼吸窘迫综合征患者有证实的疗效，其治疗依赖于机械通气和支持性护理。一些人假设瑞德西韦（一种抗病毒疗法）可能有效（PMID：32147516），中国和美国正在进行随机试验。为了评估新疗法的疗效，需要自动工具来量化CT上的疾病范围。

需要建立大型CT图像数据集，以识别准确的CT标准，并开发基于深度学习的诊断、量化和预后估计解决方案。

本项目的目标有三方面：（i）创建关于COVID-19相关CT扫描的多中心开放数据库存储库，（ii）创建多专家标注协议，具有不同级别的标注以描绘疾病严重程度，（iii）通过利用人工智能领域的最新进展，允许开发非专有的计算机辅助解决方案（学术界和工业界），用于自动量化疾病和预后。

对于患者，可靠诊断标准的验证将允许早期发现疾病，并更好地区分其他需要特定治疗的急性呼吸道症状潜在原因，如细菌性支气管肺炎。这将有助于护理标准化，以及全体人口平等获得诊断和治疗。

公共卫生的益处将是独立于当地胸部成像专业知识的可用性，获得COVID-19的CT诊断。基于开发的CT严重程度评分预测通气需求的可能性，也将积极影响患者管理，特别是在预期疫情高峰时患者大量涌入的背景下。本项目将允许基于疾病急性期肺部异常的严重程度和范围，评估可能出现呼吸后遗症的患者比例。

如果开发出新的治疗方法，自动量化工具的可用性将有助于评估治疗效果。

最后，如果未来发生其他病毒大流行，开发的早期诊断、严重程度评估和预后预测工具可能有用。事实上，在SARS-Cov2爆发之前，已有其他冠状病毒引起的SARS和MERS爆发。