Inteligência artificial e tomografia computadorizada quantitativa ajudam a esclarecer a progressão do COVID-19

Os pesquisadores descobriram que as opacidades pulmonares apareceram em média 3,4 ± 2,2 dias antes do início dos sintomas e atingiram um pico médio de 0,6 ± 3,1 dias após o início dos sintomas.

31 Mar, 2021

A análise quantitativa com inteligência artificial (IA) de exames sequenciais de tomografia computadorizada em pacientes com COVID-19 se mostra promissora para avaliação e monitoramento padronizados da progressão da doença, de acordo com pesquisa publicada online em 25 de março na Scientific ReportsPesquisadores do Instituto Nacional de Saúde dos Estados Unidos (NIH) e desenvolvedor da unidade de processamento gráfico Nvidia colaboraram para aplicar retrospectivamente um algoritmo de IA para segmentar o pulmão em exames seriados de TC de tórax de 29 pacientes com casos leves de COVID-19. Depois de correlacionar os resultados laboratoriais com a análise de IA e segmentações manuais de opacidades na TC, eles encontraram padrões e picos distintos em relação ao início dos sintomas.

Como resultado, as curvas dinâmicas generalizadas baseadas nesses achados quantitativos da TC podem ser potencialmente usadas para avaliar os casos leves de COVID-19 e identificar aqueles que podem se tornar mais graves, de acordo com os pesquisadores liderados pelos primeiros autores, Dr. Michael Kassin; Nicole Varble, PhD; e Maxime Blain do NIH Clinical Center. “Métricas para comparação podem fornecer dados de referência clínica valiosos para detecção precoce de desvio do curso esperado da doença, o que pode potencialmente informar contramedidas médicas precoces, tomada de decisão terapêutica ou critérios de resposta de testes clínicos”, escreveram os autores. "A caracterização de padrões correlativos em tais leituras pode potencialmente identificar pacientes com pneumonia COVID-19, definindo desvios extremos das curvas padronizadas para pacientes com doença leve."

Os pesquisadores procuraram avaliar a dinâmica dos subtipos de opacidade da TC de tórax no COVID-19 antes e depois do início dos sintomas. Eles utilizaram o modelo de segmentação Clara AI (Nvidia) para segmentar automaticamente o volume pulmonar total em exames seriados de TC de tórax em 29 pacientes com COVID-19 leve de um único centro em uma zona de surto. Esses pacientes tiveram um total de 121 exames seriados de tomografia computadorizada e 279 medições laboratoriais em uma média de 50 dias, incluindo pacientes com pneumonia leve ou moderada inicialmente assintomática. Nenhum paciente necessitou de internação na unidade de terapia intensiva ou intubação. 

Depois de verificar os resultados da segmentação pulmonar IA, os radiologistas segmentaram manualmente as opacidades pulmonares e observaram os subtipos de opacidade. Em seguida, os pesquisadores empregaram curvas temporais generalizadas para correlacionar os dados da TC com medições de laboratório, como contagem de células sanguíneas e níveis de procalcitonina. As visualizações 3D também foram usadas para reconstruir a evolução das opacidades COVID.

Os pesquisadores descobriram que as opacidades pulmonares apareceram em média 3,4 ± 2,2 dias antes do início dos sintomas e atingiram um pico médio de 0,6 ± 3,1 dias após o início dos sintomas. O início da opacidade em vidro fosco foi mais precoce e resolveu mais tarde que a consolidação, de acordo com os autores. Quanto aos resultados laboratoriais, a lactato desidrogenase e a proteína C reativa atingiram o pico mais cedo do que a procalcitonina e a leucopenia.

As curvas de referência dinâmicas com base nesses resultados podem ser úteis para a triagem clínica de pacientes limítrofes e podem informar o status relativo da doença de pacientes com SARS-CoV-2 positivos, especularam os pesquisadores. 

"Certamente, uma melhor compreensão das mudanças de doenças em série na TC e nos laboratórios ao longo do tempo poderia iluminar os tomadores de decisão da área de saúde que enfrentam um vírus novo e não completamente compreendido no contexto de contramedidas médicas, efeitos pulmonares crônicos ou variantes mutacionais", escreveram eles.

Imagem: As visualizações de imagens 3D mostram a evolução das opacidades COVID ao longo do curso da doença. Imagens cortesia da Nvidia.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=131973

 

 

 

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=131973

 

A PHP Error was encountered

Severity: Warning

Message: sizeof(): Parameter must be an array or an object that implements Countable

Filename: front/noticias-detalhe.php

Line Number: 15

A PHP Error was encountered

Severity: Warning

Message: sizeof(): Parameter must be an array or an object that implements Countable

Filename: front/noticias-detalhe.php

Line Number: 32

Compartilhe


NOTÍCIAS RELACIONADAS

publicidade

publicidade