XXX. Magyar Radiológus Kongresszus

3. Szekció: Mesterséges intelligencia

S03.07: Mellkas-CT alapú mesterséges intelligenciával történő COVID-19 diagnosztika

Kardos Anna Sára 1,2; Szabó István Viktor 1; Simon Judit 1,2; Maurovich Horvat Pál1,2
1 Semmelweis Egyetem, Orvosi Képalkotó Klinika
2 MTA-SE Lendület Kardiovaszkuláris Kutatócsoport

Összefoglaló szövege

Bevezetés: A COVID-19 fertőzés által okozott tüdőgyulladás képi megjelenése sokszor nagyon hasonló az egyéb tüdőgyulladásokéhoz. A deep learning („mélytanulás”) modellek segítséget nyújthatnak a COVID-19 fertőzés pontosabb azonosításában és az egyéb fertőző ágensek által okozott tüdőgyulladásoktól való elkülönítésben. A CT felvételeken alapuló mesterséges intelligencia (MI) rendszerek kifejlesztése a klinikai és laboratóriumi adatok felhasználásán túl nagyban növelheti a diagnosztikus pontosságot, így a COVID-19 fertőzésre gyanús betegeknél fontos szerepet játszhat a klinikai döntéshozatalban.
Célkitűzések: A vizsgálat elsődleges célja a mellkas CT felvételeken alapuló mesterséges intelligencia (MI) rendszer validálása a COVID-19 megbetegedés gyorsabb felismerésének céljából.
Módszerek: Vizsgálunkban olyan COVID-19 gyanús betegek adatait elemeztük, akik mellkas CT vizsgálaton vettek részt az Orvosi Képalkotó Klinikán. Gyűjtöttük a PCR tesztek eredményeit, valamint a betegek demográfiai, klinikai és laboratóriumi adatait. Egy MI alapú módszer segítségével a baseline CT felvételen meghatározásra került a súlyossági fok (0-25) az érintett tüdőterületek kvantifikálásával. Youden index alapján kiszámoltunk egy optimális cut-off értéket a súlyossági fokra, amely 9-nek adódott, emellett vizsgáltuk a mellkas CT diagnosztikus teljesítményét.
Eredmények: Összesen 1259 COVID-gyanús beteg adatát elemeztük. A betegek átlagéletkora 64,3±16,7 év volt, 33,3% volt nő. PCR teszttel a beteg 55,1%-a bizonyult COVID-19 fertőzöttnek. A mellkas CT diagnosztikus teljesítménye a PCR-hoz viszonyítva az alábbiak szerint alakult: szenzitivitás 40,1%, specificitás 80,3%, pozitív prediktív érték 68,4%, negatív prediktív érték 55,7%. Az álpozitív betegek (n=120) tüneteit vizsgálva több mint 66%-uknál jelentkezett nehézlégzés, száraz vagy produktív köhögés. Közülük 14 esetben végső diagnózisként COVID-19 betegség került leírásra, további 23 esetben pedig a második PCR teszt pozitív eredményt adott.
Következtetések: Azokban az esetekben, amikor a PCR negatív, a CT segítséget nyújtahat a covid betegség felismerésében. A klinikai döntéshozatalnál tehát ajánlott a két tesztet együtt értékelni, ezáltal csökkentve a fertőzés terjedését.