3. Szekció: Mesterséges intelligencia
Bevezetés: A mesterséges intelligencián (MI) alapuló módszerek lehetővé tehetik a CT felvételek kvantitatív elemzését és a pontosabb rizikóbecslést COVID-19 betegek esetében.
Célkitűzések: Tanulmányunk célja, hogy igazolt COVID-19 betegek mellkas CT felvételeinek felhasználásával vizsgáljuk egy új, MI alapú algoritmus prognosztikus teljesítményét.
Módszerek: Vizsgálatunkban olyan COVID-19 betegek adatait dolgoztuk fel, akik mellkas-CT vizsgálaton vettek részt klinikánkon. Gyűjtöttük a betegek demográfiai, klinikai és laboratóriumi adatait, valamint a betegség lezajlására vonatkozó adatokat. Egy MI alapú módszer segítségével a kórházi felvételkor készült CT felvételen meghatározásra került a súlyossági fok (0-25) az érintett tüdőterületek kvantifikálásával. Klinikai állapotromlásnak tekintettük az intenzív osztályos ellátást, invazív lélegeztetést, vazopresszor igényt illetve a kórházi halálozást.
Eredmények: Ezidáig 326 igazolt COVID-19 beteg esetén végeztük el a CT elváltozások MI alapú kvantifikálását. A betegek átlagos életkora 66,7±15,3 év volt, 52,1% férfi. Közülük 85 beteg (26,1%) esetében fordult elő klinikai állapotromlás. Multivariáns logisztikus regresszióval vizsgáltuk a klinikai állapotromlás prediktorait. A korábbi miokardiális infarktus (OR=2,81; 95%CI=1,12-7,04; p=0,027), az immundeficiencia (OR=2,08; 95%CI=1,02-4,25; p=0,043), CRP (OR=1,73; 95%CI=1,32-2,33; p<0,001) és a CT alapú súlyossági fok (OR=1,08; 95%CI=1,02-1,15; p=0,013) bizonyultak a klinikai állapotromlás független prediktorainak. Ezek felhasználásával meghatároztunk személyre szabott valószínűségi értékeket a klinikai állapotromlásra.
Következtetések: A vizsgált, igazoltan pozitív COVID-19 betegpopulációban magas mortalitást láttunk. Eredményeink alapján a kórházi felvétel időpontjában végzett CT-n MI alapján számított súlyossági fok segítséget nyújthat a betegség prognosztikájában és hatékonyan segítheti a klinikai döntéshozatalt.