A radiografia de tórax pode prever risco de hospitalização em pacientes com coronavírus

Pesquisadores criaram um programa de IA que primeiro identificou comorbidades como arritmias cardíacas e doença pulmonar obstrutiva crônica (DPOC) em radiografias frontais do tórax de pacientes com COVID-19.

26 Mai, 2021

Uma única radiografia de tórax ambulatorial pode ser suficiente para um algoritmo de inteligência artificial (IA) informar aos médicos quais pacientes com COVID-19 provavelmente precisarão de hospitalização e oxigênio suplementar, de acordo com um estudo publicado online em 21 de maio Doutora em Medicina Acadêmica .

Os pesquisadores criaram um programa de IA que primeiro identificou comorbidades como arritmias cardíacas e doença pulmonar obstrutiva crônica (DPOC) em radiografias frontais do tórax de pacientes com COVID-19. O algoritmo então previu a probabilidade de esses pacientes exigirem admissão hospitalar completa e oxigênio suplementar em 14 dias. "Esta técnica de aprendizado profundo agrega valor ao avaliar pacientes com histórico médico desconhecido ou que aguardam exames laboratoriais", escreveu o autor principal, Dr. Ayis Pyrros, do DuPage Medical Group em Tinley Park, Illinois.

Estudos anteriores mostraram que condições comórbidas como diabetes, arritmias cardíacas e DPOC estão associadas a casos mais graves de COVID-19. No entanto, os métodos atuais para o reconhecimento dessas comorbidades em pacientes ambulatoriais, como a revisão de registros de saúde manuais ou eletrônicos ou história contemporânea do paciente são imperfeitos e muitas vezes incompletos, de acordo com os autores.

Neste estudo, Pyrros e colegas da Universidade de Illinois criaram um programa de aprendizado profundo para prever a presença de comorbidades específicas em radiografias frontais de tórax em pacientes externos e o testaram para ver se poderia ajudar os médicos a identificar pacientes que necessitariam de hospitalização total e oxigênio suplementar. Eles incluíram 413 pacientes que receberam uma radiografia de tórax e um teste COVID-19 positivo em um ambiente ambulatorial ou de atendimento imediato entre 17 de março de 2020 e 24 de outubro de 2020. 

O modelo foi treinado para identificar comorbidades em radiografias correspondentes a um subconjunto específico de códigos de categoria de condição hierárquica da Classificação Internacional de Doenças, Décima Revisão: diabetes com complicações crônicas, obesidade mórbida, insuficiência cardíaca congestiva (ICC), arritmias cardíacas especificadas, doença vascular e DPOC.

Cinquenta e um (12,3%) dos pacientes tiveram uma admissão hospitalar completa, com todos necessitando de oxigênio suplementar. Quatro pacientes morreram. Ao combinar os dados sobre as comorbidades encontradas nas radiografias frontais do tórax, bem como adicionar a idade do paciente, o modelo de aprendizado profundo previu hospitalização prolongada e oxigenação suplementar em pacientes ambulatoriais COVID-19 com uma AUC ROC de 0,837 (95%, intervalo de confiança: 0,791-0,883).

Diabetes com complicações crônicas, arritmias cardíacas, ICC, DPOC, idade prevista e extensão geográfica e gravidade da opacidade foram todos preditores significativos (p <0,05), enquanto a obesidade mórbida não. "Neste estudo preliminar, desenvolvemos um modelo de aprendizado profundo de conjunto para prever oxigenação suplementar e hospitalização de> 2 dias em pacientes ambulatoriais com teste positivo para COVID-19", escreveram os pesquisadores.

No entanto, nenhuma radiografia portátil foi usada no treinamento ou teste do modelo, o que poderia limitar o uso do modelo em serviços de emergência e hospitais, afirmaram os autores. Além disso, a implementação de modelos de IA continua sendo um desafio técnico na maioria das instituições e práticas, com relativamente poucas plataformas disponíveis ou adoção generalizada.

No entanto, o modelo é importante porque está entre os primeiros a prever ou quantificar diretamente as comorbidades nas radiografias de tórax frontal que contribuem para os resultados dos pacientes com COVID-19, acrescentaram. "Este resultado sugere que mais validação e extensão desta metodologia particular é garantida", concluíram os pesquisadores.

Imagem: Radiografia de tórax (A) de um paciente masculino de 63 anos com COVID-19 hospitalizado por sete dias, e com índice de massa corporal de 26, demonstrando opacidades em vidro fosco sutis em uma distribuição pulmonar inferior com aumento geográfico (0,34) e pontuações de opacidade (0,64). Os mapas de saliência de gradientes integrados, com tons mais escuros representando pontuações mais altas do modelo de categoria de condição hierárquica de comorbidade multitarefa: obesidade mórbida (B), insuficiência cardíaca congestiva (C), arritmias cardíacas (D). Grande parte da ativação observada está fora do parênquima pulmonar, com notável ativação do tecido mole axilar para obesidade (B) e do coração para insuficiência cardíaca congestiva e arritmias cardíacas (C, D). As ativações para insuficiência cardíaca congestiva e arritmias cardíacas são muito semelhantes, mas demonstram diferenças sutis.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=132487

 

Compartilhe


NOTÍCIAS RELACIONADAS