Dans une étude récente publiée dans Intelligence des machines naturellesles chercheurs ont évalué les flux de travail d’apprentissage en profondeur impliqués dans les tomodensitogrammes (CT) de la maladie à coronavirus 2019 (COVID-19).
Des chercheurs du monde entier développent des méthodes pour améliorer le diagnostic et le traitement des infections par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) et la gravité de la maladie. Alors que diverses études ont signalé les complications respiratoires à long terme chez les patients et les survivants de COVID-19, des recherches approfondies sont nécessaires pour évaluer les anomalies dans les tomodensitogrammes des patients COVID-19.
À propos de l’étude
Dans la présente étude, les chercheurs ont évalué l’efficacité d’une méthode de détection assistée par ordinateur (CAD) appelée amélioration du parenchyme pulmonaire profond (DLPE) pour identifier et mesurer les lésions du parenchyme pulmonaire sur les tomodensitogrammes thoraciques.
L’équipe a formé et validé la méthode DLPE à l’aide d’un ensemble de données de formation comprenant 3644 tomodensitogrammes pour la segmentation des poumons, des voies respiratoires, des vaisseaux sanguins et du cœur, ainsi que l’estimation des valeurs CT de base. La méthode DLPE a ensuite été appliquée à des cohortes de patients hospitalisés et de survivants COVID-19. Le groupe de survivants comprenait un total de 69 personnes qui ont signalé un état critique ou grave tout au long de leur période d’hospitalisation et qui ont dû être admises à l’unité de soins intensifs. L’équipe a recueilli des données sur les patients hospitalisés concernant les tomodensitogrammes et les mesures cliniques et les données de suivi liées aux fonctions pulmonaires, aux tomodensitogrammes et aux tests de laboratoire.
Les chercheurs ont segmenté les voies respiratoires et les vaisseaux sanguins chez les patients hospitalisés COVID-19 en établissant une perte et un protocole améliorés par les fonctionnalités impliquant une segmentation en deux étapes. La perte améliorée de caractéristiques a extrait des caractéristiques de tissus présentant une auto-similarité. Ces approches ont permis d’atteindre des performances de pointe (SOTA) dans la segmentation des vaisseaux sanguins pulmonaires et des voies respiratoires. En outre, le DLPE a été utilisé pour évaluer l’ensemble de données de l’étude comprenant des informations de suivi liées aux survivants du COVID-19. Le pouvoir de généralisation du DLPE a également été testé sur des patients hospitalisés COVID-19.
Résultats
Les résultats de l’étude ont montré que bien que le modèle de segmentation DLPE ait été conçu spécifiquement pour les voies respiratoires et les vaisseaux sanguins des patients COVID-19, il a obtenu des résultats nettement meilleurs que les méthodes d’intelligence artificielle (IA) SOTA pour les patients souffrant de COVID-19 sévère. Cela indique la robustesse ainsi que le pouvoir de généralisation de la méthode DLPE. Dans le cas de segments ayant des voies respiratoires et des vaisseaux sanguins avec un parenchyme clair, le DLPE a montré une efficacité comparable aux méthodes SOTA, en particulier pour les petites structures.
L’analyse des données des survivants du COVID-19 à l’aide du DLPE a montré des lésions sous-visuelles importantes avec 109 cm3 d’anomalies en moyenne, alors que seulement 3,5 cm3 des lésions en moyenne ont été retrouvées en l’absence de DLPE chez chaque survivant. Cependant, aucune lésion visible n’a été observée sur les tomodensitogrammes de suivi sous la fenêtre pulmonaire d’origine, clairement visible après avoir été traitée sous DLPE.
L’équipe pensait que les lésions sous-visuelles détectées dans les données de suivi indiquaient une légère fibrose pulmonaire. Ces lésions avaient de fortes associations avec les séquelles liées à la fibrose, comme cela a été observé dans la capacité pulmonaire réduite, la conductance moindre du gaz alvéolaire-capillaire et un score plus mauvais au questionnaire respiratoire de St. George (SGRQ).
L’équipe a également noté que le diagnostic de fibrose pulmonaire expliquait les formations et les morphologies des lésions sous-visuelles dans les tomodensitogrammes de suivi. De plus, une fibrose pulmonaire a également été observée sous la fenêtre pulmonaire pour la cohorte de survivants du COVID-19, qui n’était visible qu’après avoir été traitée sous DLPE. Cela indiquait que le DLPE pouvait détecter suffisamment de légères traces de fibrose.
Un score plus élevé au SGRQ correspondait à une qualité de vie inférieure, le score étant inférieur à 1 pour les personnes en bonne santé. L’équipe a noté qu’un score SGRQ anormal était la séquelle la plus répandue. Dans la cohorte de suivi, le SGRQ a été complété par un total de 46 survivants, dont 43 personnes qui ont déclaré que les séquelles respiratoires impactaient leur qualité de vie avec un score SGRQ moyen de 18,6. De plus, la radiomique évaluée par DLPE a prédit le score SGRQ avec une précision suffisante. De plus, la radiomics DLPE avait des capacités discriminatoires exceptionnelles et caractérisait les séquelles COVID-19 à long terme.
Parmi les patients hospitalisés COVID-19, le DLPE a détecté de nouvelles lésions sous-visuelles indiquant des fuites de liquide plasmatique dues à la perturbation de l’épithélium alvéolaire. Notamment, les fuites de fluide plasmatique réduisent la PaO2/FiO2 ratio (PFR), une caractéristique de classification des patients hospitalisés COVID-19. L’équipe a également observé que lorsque les radiomiques étaient quantifiées en l’absence d’amélioration du DLPE, leur précision et leur capacité à révéler les principales séquelles respiratoires diminuaient remarquablement.
Conclusion
Pour résumer, les résultats de l’étude ont montré que le DLPE présentait une amélioration et une segmentation robustes pour diverses maladies pulmonaires, indiquant le large pouvoir de généralisation de la méthode. Les chercheurs pensent que d’autres études sont nécessaires pour comprendre l’origine, l’association et la thérapie des lésions CT qui caractérisent le COVID-19 à long terme.
