在最近發(fā)表在《公共衛(wèi)生前沿》上的一項(xiàng)研究中，研究人員證明，胸部計(jì)算機(jī)斷層掃描 (CT) 掃描中的血管樣信號(hào) (N) 可以作為 2019 年早期冠狀病毒病 (COVID-19) 的強(qiáng)大成像生物標(biāo)志物 (IB)篩選。他們還驗(yàn)證了這些與臨床相關(guān)的 IB，從而為協(xié)助篩查 COVID-19 患者開辟了新的可能性。最重要的是，這些 IB 顯示出減少臨床醫(yī)生工作量和幫助將 COVID-19 與其他肺部疾病區(qū)分開來的巨大潛力。

研究：開發(fā)和驗(yàn)證用于早期 COVID-19 篩查的胸部 CT 成像生物標(biāo)志物。圖片來源：泰勒奧爾森/Shutterstock

背景

許多國(guó)家的核酸(NA)檢測(cè)試劑盒和專業(yè)人才短缺，限制了通過診斷檢測(cè)早期檢測(cè)COVID-19的可能性。疾病早期相對(duì)較低的病毒載量也會(huì)導(dǎo)致假陰性或逆轉(zhuǎn)錄聚合酶鏈反應(yīng) (RT-PCR) 測(cè)試的敏感性有限。然后，相當(dāng)一部分患者在發(fā)病期間甚至沒有典型的臨床癥狀。

肺部成像，尤其是胸部 CT 掃描，可以在 COVID-19 的早期診斷中發(fā)揮獨(dú)特的作用。它可在感染早期檢測(cè) COVID-19 患者肺部的單焦點(diǎn)磨玻璃影 (GGO)。隨著疾病的進(jìn)展，GGO 浸潤(rùn)整個(gè)肺部并表現(xiàn)為病變。肺部 CT 圖像還可以幫助追蹤 NA 檢測(cè)陰性的 COVID-19 患者的肺部變化。

然而，限制大多數(shù)基于胸部 CT 的計(jì)算研究使用的原因是早期 COVID-19 患者缺乏典型特征。此外，社區(qū)獲得性肺炎 (CAP) 患者的胸部 CT 特征具有誤導(dǎo)性。

關(guān)于研究

在本研究中，研究人員篩選了來自中國(guó)兩家醫(yī)院的 419 名患者，將人工智能 (AI) 和肺部區(qū)域血管變化的臨床發(fā)現(xiàn)與系統(tǒng)生物學(xué)方法相結(jié)合。根據(jù)中華人民共和國(guó)國(guó)家衛(wèi)生委員會(huì)的標(biāo)準(zhǔn)，所有 COVID-19 患者均在 2020 年 1 月至 2020 年 3 月期間確診為輕度至中度疾病。該團(tuán)隊(duì)從同一兩家醫(yī)院隨機(jī)招募了健康患者和 CAP 患者，并將他們作為獨(dú)立的訓(xùn)練和驗(yàn)證隊(duì)列的對(duì)照。在 COVID-19 流行病爆發(fā)前幾個(gè)月，對(duì)照患者還通過 CT 成像診斷出肺部感染。

此外，研究人員使用了兩種不同的 CT 掃描儀 GE Optima 660 CT 和 uCT 530，管電壓分別為 120 千伏峰值 (kVp)，重建厚度分別為 0.625 和 1.5 mm。他們使用迭代切向投票 (ITV) 在三個(gè)維度 (3D) 中識(shí)別患者預(yù)分割肺區(qū)域中的脈管系統(tǒng)樣信號(hào)。他們將每個(gè) 3D 胸部 CT 圖像重新采樣到各向同性圖像空間，然后是 ITV。

該團(tuán)隊(duì)邀請(qǐng)了兩名在中國(guó)武漢有兩個(gè)多月密集和持續(xù)診斷 COVID-19 經(jīng)驗(yàn)的放射科醫(yī)生，對(duì)研究驗(yàn)證隊(duì)列中的 CT 圖像進(jìn)行獨(dú)立和盲目評(píng)估。最后，他們使用 Mann-Whitney 非參數(shù)檢驗(yàn)來確定不同組間血管系統(tǒng)樣信號(hào)的差異和個(gè)體 IB 的豐度。同樣，他們使用邏輯回歸來發(fā)現(xiàn)肺特征與 COVID-19 之間的關(guān)聯(lián)。

研究結(jié)果

在 419 名研究參與者中，來自醫(yī)院 A 的 116 名患者和來自醫(yī)院 B 的 303 名患者分別作為訓(xùn)練集和雙盲驗(yàn)證集。這兩個(gè)隊(duì)列中參與者的中位年齡(以歲為單位)分別為 42 歲和 51 歲。培訓(xùn)和驗(yàn)證隊(duì)列中的女性和男性比例分別為 45.7% 和 54.3% 和 53.1% 和 46.9%。訓(xùn)練隊(duì)列中的 COVID-19 患者、健康參與者和 CAP 患者的數(shù)量分別為 47、20 和 49。同樣，驗(yàn)證隊(duì)列分別有 153、60 和 90 名 COVID-19 患者、健康參與者和 CAP 患者。

與健康和 CAP 患者相比，COVID-19 患者的肺部血管變化明顯更多。有趣的是，訓(xùn)練隊(duì)列中 ITV 在肺部區(qū)域識(shí)別和增強(qiáng)的血管樣結(jié)構(gòu)的平均強(qiáng)度顯示健康、CAP 和 COVID-19 患者之間存在統(tǒng)計(jì)學(xué)顯著差異 (p < 0.05)。

對(duì)來自訓(xùn)練隊(duì)列的脈管系統(tǒng)信號(hào)空間應(yīng)用堆疊預(yù)測(cè)稀疏分解(堆疊 PSD)，發(fā)現(xiàn)了八個(gè)與 COVID-19 相關(guān)的 IB。通過主成分分析 (PCA) 和聚類評(píng)估，每個(gè)人在 COVID-19 患者和其他患者之間的豐度都存在顯著差異。基于訓(xùn)練隊(duì)列中這些 IB 的 COVID-19 篩查隨機(jī)森林分類模型表明，每個(gè) IB 在篩查過程中的貢獻(xiàn)不同。IB-163 給出了最好的單一生物標(biāo)志物性能 [曲線下 (AUC) = 0.893]。

即使在驗(yàn)證隊(duì)列中，這八個(gè)預(yù)先確定的 IB 也清楚地將 COVID-19 患者與其他患者區(qū)分開來。令人鼓舞的是，基于預(yù)先獲得的 IBs 的隨機(jī)森林模型以出色的靈敏度 (0.941) 和準(zhǔn)確度 (0.931) 預(yù)測(cè) COVID-19，與兩位有 COVID-19 經(jīng)驗(yàn)的胸部放射科醫(yī)生競(jìng)爭(zhēng)良好。除 IB-88 外，所有 IB 都為參與的放射科醫(yī)師誤診的兩個(gè)病例提供了知覺和定量區(qū)分，從而能夠以超過 96% 的置信度進(jìn)行準(zhǔn)確篩查。

結(jié)論

跨醫(yī)院和 CT 掃描儀的雙盲驗(yàn)證證實(shí)，研究中確定的 IB 可以在現(xiàn)實(shí)世界的臨床環(huán)境中穩(wěn)健有效地工作。他們的表現(xiàn)優(yōu)于 COVID-19 經(jīng)驗(yàn)豐富的胸部放射科醫(yī)師，尤其是對(duì)于早期 COVID-19 篩查中常見的模棱兩可的病例。

許多端到端 AI 模型需要大量的訓(xùn)練隊(duì)列和過多的計(jì)算資源。該研究開發(fā)了一種無監(jiān)督學(xué)習(xí)框架，該框架采用前饋 IB 提取策略，僅涉及元素非線性和矩陣乘法。然而，它使用小型訓(xùn)練隊(duì)列 (n = 116) 提供了卓越、可擴(kuò)展和穩(wěn)定的篩選性能。

總而言之，作者開發(fā)了一種穩(wěn)健、準(zhǔn)確且具有成本效益的 COVID-19 篩查方法，該方法提供了超出現(xiàn)有臨床實(shí)踐和許多現(xiàn)有端到端 AI 系統(tǒng)范圍的臨床見解。通過即興創(chuàng)作，它可以促進(jìn)早期預(yù)測(cè) COVID-19 患者的預(yù)后和臨床結(jié)果。