COVID-19肺炎患者受累肺实质范围的预后价值：视觉评估与人工智能自动量化方法的比较

《Radiología (English Edition)》：Prognostic value of the extent of affected lung parenchyma in COVID-19 pneumonia patients: Visual estimation versus automatic quantification by artificial intelligence

　　肺部病变范围评估在COVID-19肺炎预后中的价值及人机诊断一致性研究。

　　

I. 索里亚诺·阿瓜德罗（Soriano Aguadero）| A. 埃斯蓬达·卡萨胡斯（A. Ezponda Casajús）| A. 帕特纳因·努因（A. Paternain Nuin）| M. 维多雷塔（M. Vidorreta）| G. 巴斯塔里卡·阿莱马尼（G. Bastarrika Alema?）

纳瓦拉大学医院放射诊断科，西班牙纳瓦拉省潘普洛纳市

摘要

目的

比较专家放射科医生通过视觉评估与人工智能（AI）系统自动评估在COVID-19肺炎患者中计算机断层扫描（CT）检测到的肺部病变范围对预后的影响。

材料与方法

对临床怀疑患有COVID-19肺炎的患者进行回顾性研究，通过视觉和AI方法评估肺部受累程度。将患者分为预后不良组（死亡/ICU）和预后良好组（出院）。对两组之间存在显著差异的变量进行单变量和多变量分析（逻辑回归）。

结果

预后不良的患者在视觉评估（3-4期；37.5% vs 14.3%；p = 0.001）和AI评估（3-4期；35% vs 6.2%；p < 0.001）中肺部受累程度更严重。放射科医生与AI的一致性相关系数非常优秀（0.905；p < 0.001）。高血压（OR 4.26；p < 0.001）、肌酐水平异常（OR 5.63；p < 0.001）、乳酸脱氢酶（OR 11.69；p < 0.001）和D-二聚体（OR 5.68；p < 0.001），以及视觉评估（1期 vs 4期 OR 10.36；p = 0.001）和AI评估（1期 vs 4期 OR 25；p = 0.001）的受累肺实质范围是单变量分析中具有最大预后影响的变量。考虑视觉和AI评估范围的多变量分析模型未显示出任何显著差异（AUC 0.876 vs 0.870；p = 0.278）。

结论

CT图像上受累肺实质的范围无论是单独还是结合临床因素和血液指标，都具有预后价值。本研究未观察到放射科医生的视觉估计与基于AI的自动检测系统之间存在显著差异。

引言

2019年12月，中国出现了一种新的病毒。¹严重急性呼吸综合征冠状病毒-2（SARS-CoV-2）在全球范围内传播，导致了冠状病毒病（COVID-19）的大流行。在接下来的三年中，记录了数亿例感染和数百万例死亡。²

胸部计算机断层扫描（CT）从一开始就被认为是诊断COVID-19肺炎的有效工具，因为它具有高灵敏度，能够识别肺部浸润³，并能描述临床进展不同阶段的各种肺部病理模式。⁴CT被推荐为中度或重度呼吸系统疾病患者的一线诊断工具³，并被纳入了多个科学协会关于COVID-19肺炎管理的指南中。^{5, 6, 7}后续研究表明，CT在疾病随访期间也可以提供预后信息^{8, 9}，前提是这些信息需与临床数据和实验室检测结果结合使用。

鉴于CT发现的临床价值以及获取肺部疾病存在和范围客观数据的需要，人工智能（AI）方法也被应用于获取精确的定量参数^{10, 11, 12, 13, 14}。其有效性主要从放射学角度进行了评估^{15, 16}

通过基于AI的程序评估COVID-19肺炎的肺部受累程度，可以更准确地测量受累肺体积，更好地分层真实风险，并在与人口统计学、临床和实验室数据结合时提高疾病预后的预测能力。本研究评估了专家放射科医生与AI程序在评估COVID-19肺炎患者肺部病变范围方面的预后贡献，同时考虑了人口统计学、临床和实验室数据。

研究设计

这项回顾性研究在西班牙一家三级医院的两个站点进行，共纳入了511名临床怀疑患有COVID-19肺炎且已接受胸部CT检查的患者。所有患者均签署了影像检查的书面知情同意书。由于研究的回顾性质，我们机构的伦理委员会批准了研究方案（2020.061），并免除了知情同意的要求。

纳入标准

我们纳入了所有临床怀疑...

次要变量

被认为是COVID-19肺炎的症状包括发热、疲劳、呼吸困难、全身不适、咳嗽、腹泻、吞咽疼痛和头痛。除了症状出现后的天数外，还收集了所有患者的临床数据和病史，包括年龄、性别、体重指数（BMI）、心血管疾病史、既往和/或当前癌症、糖尿病、动脉高血压、由于自身免疫疾病或药物导致的免疫抑制、慢性肾脏...

患者：人口统计学、临床、实验室和治疗数据

在最初评估的511名患者中，204名因SARS-CoV-2 PCR检测结果阴性被排除，6名因CT发现提示细菌感染被排除，1名因偶然发现肺肿块被排除，1名患者因未成年被排除（图3）。因此，最终统计分析包括299名受试者（164名男性，135名女性；平均年龄60.79 ± 16.3岁；症状出现后的平均时间为8.31 ± 6.2天）。表1总结了人口统计学特征、临床...

讨论

CT已被证明不仅是诊断COVID-19肺炎的非常有用的工具，而且对于风险分层、患者预后和受累肺实质的量化也非常有用。^{7, 9, 19}本研究考察了各种临床、分析和放射学因素对来到我们医院急诊科的COVID-19肺炎患者预后的影响。CT评估的肺实质受累范围是一个重要的...

CRediT作者贡献声明

• •
  研究协调者：ISA。
• •
  研究概念：ISA和GBA。
• •
  研究设计：ISA、AEC和GBA。
• •
  数据收集：ISA、APN和MV。
• •
  数据分析和解释：ISA、AEC和GBA。
• •
  数据处理：ISA和APN。
• •
  文献搜索：ISA和AEC。
• •
  文章起草：ISA。
• •
  对手稿进行具有智力相关贡献的批判性审查：ISA、AEC、APN、MV和GBA。
• •
  最终版本的批准：GBA。

资金支持

本研究未获得公共部门机构、商业部门或任何非营利组织的资金支持。

利益冲突声明

玛尔塔·维多雷塔（Marta Vidorreta）受雇于西门子医疗保健公司（Siemens Healthineers）。其余作者声明没有利益冲突。

致谢

我们感谢西门子医疗保健公司及其D&A开发团队通过提供CT肺炎分析原型在这项研究中的合作。