КТ-анализ грудной клетки на COVID-19

Клинические рекомендации и приложения для машинного обучения

В этом посте рассматривается использование компьютерной томографии при пандемии COVID-19, включая текущие рекомендации медицинских экспертов (по состоянию на август 2020 года) и примеры недавних исследовательских работ, в которых машинное обучение используется для прогнозирования на основе компьютерной томографии пациентов с COVID-19. .

Отказ от ответственности: в этом посте нет ничего, что является медицинским советом.

Диагностика COVID-19 с помощью ОТ-ПЦР

Золотым стандартом диагностики COVID-19 является полимеразная цепная реакция с обратной транскрипцией (ОТ-ПЦР), которая представляет собой лабораторный тест, выявляющий генетический материал (РНК) вируса COVID-19:

ОТ-ПЦР - это «мазок из носа». Мазок из носа предназначен для сбора вируса, если он присутствует, чтобы можно было обнаружить его РНК:

Тест ОТ-ПЦР имеет высокую специфичность (истинно отрицательный результат). Специфичность близка к 100%, что означает, что почти все здоровые люди правильно определены как здоровые.

Тест RT-PCR имеет меньшую чувствительность (он же истинно положительный показатель, он же отзыв), который измеряет процент больных, правильно определенных как больных. Чувствительность = (истинные положительные результаты) / (истинные положительные результаты + ложно отрицательные результаты). Это означает, что возможны ложноотрицательные тесты. Для дополнительной уверенности в том, что пациент отрицательный, можно провести несколько тестов.

Несмотря на несовершенную чувствительность, ОТ-ПЦР по-прежнему является золотым стандартом - лучшим тестом, который у нас есть в настоящее время для диагностики COVID-19.

Роль КТ грудной клетки в COVID-19

Учитывая, что ОТ-ПЦР является золотым стандартом диагностики COVID-19, какова роль КТ грудной клетки в COVID-19?

Общество Флейшнера опубликовало международное консенсусное заявление в журнале Radiology в апреле 2020 года, в котором говорится (выделено мной):

Визуализация не показана пациентам с подозрением на коронавирус 2019 (COVID-19) и легкими клиническими проявлениями, если они не подвержены риску прогрессирования заболевания.

Визуализация показана пациентам с COVID-19 и ухудшением респираторного статуса.

В среде с ограниченными ресурсами визуализация показана для медицинской сортировки пациентов с подозрением на COVID-19, которые имеют клинические признаки от умеренной до тяжелой степени и высокий предварительная проверка вероятности заболевания.

В некоторых исследовательских работах утверждается, что компьютерная томография грудной клетки обладает высокой чувствительностью или высокой специфичностью для диагностики COVID-19, и, следовательно, компьютерная томография потенциально может использоваться для диагностики. Однако в обзоре Raptis et al. « КТ грудной клетки и коронавирусная болезнь (COVID-19): критический обзор литературы на сегодняшний день » выявлены многочисленные методологические проблемы, связанные с этими исследованиями. Raptis et al. заключить,

Даже в ситуациях, когда результаты теста ОТ-ПЦР отрицательны, задерживаются или недоступны, никакие известные нам данные не подтверждают КТ в качестве адекватного замещающего теста, поскольку его истинная чувствительность неизвестна [и] результаты КТ не обладают специфичностью.

Таким образом, КТ грудной клетки в настоящее время НЕ рекомендуется для диагностики или скрининга COVID-19. Однако компьютерная томография грудной клетки может быть полезна для оценки осложнений COVID-19, сортировки в условиях ограниченных ресурсов или прогнозирования ухудшения по сравнению с улучшением:

Обнаружение COVID-19 на КТ грудной клетки

Как выглядит COVID-19 на компьютерной томографии грудной клетки? Первичные признаки COVID-19 - это признаки атипичной пневмонии или организуемой пневмонии. Такие результаты неспецифичны, что означает, что они не уникальны для COVID-19 и могут наблюдаться при инфекциях легких, вызванных бактериями или другими видами вирусов.

На следующем рисунке, основанном на срезах компьютерной томографии от Radiology Assistant, показаны некоторые результаты, которые можно увидеть у пациентов с COVID-19 на КТ грудной клетки. Эти результаты включают помутнение матового стекла, сумасшедшее мощение, тракционные бронхоэктазы, расширение сосудов и архитектурные искажения:

Машинное обучение в КТ грудной клетки COVID-19

Существует значительный интерес к созданию моделей машинного обучения, которые помогут справиться с пандемией COVID-19. Как правило, любые медицинские модели машинного обучения следует развертывать только после тщательной проверки, в соответствии с передовой медицинской практикой и под руководством профессиональных медиков.

Стоит отметить, что одна и та же модель может быть использована соответствующим или несоответствующим образом. Например, рассмотрим модель диагностики COVID-19, которая предназначена для сбора медицинских данных и вывода вероятности диагноза COVID-19. Эту модель можно использовать в соответствии с медицинскими рекомендациями для оказания помощи при сортировке в условиях ограниченных ресурсов. Его также можно использовать в нарушение медицинских руководящих принципов для диагностики пациентов вместо золотого стандарта ОТ-ПЦР.

Все статьи, которые я видел до сих пор, о построении моделей машинного обучения для КТ грудной клетки в COVID-19, сосредоточены на разработке моделей. Это отличается от развертывания моделей, которое требует другого вида исследований, направленных на определение того, приносит ли модель ощутимую пользу клиницистам и / или пациентам.

Теперь я сделаю обзор трех статей, в которых построены модели машинного обучения на основе данных КТ COVID-19. В каждой статье используется свой подход.

Фон

Все модели машинного обучения компьютерной томографии COVID-19 основаны на сверточных нейронных сетях. Если вы не знакомы со сверточными нейронными сетями, прочтите Сверточные нейронные сети (CNN) за 5 минут.

КТ грудной клетки - это объемные медицинские изображения в градациях серого, на которых изображены сердце и легкие. Они используются для диагностики и лечения широкого спектра состояний, включая рак, переломы и инфекции. Дополнительные сведения о машинном обучении КТ грудной клетки см. В разделе Машинное обучение КТ грудной клетки за 5 минут.

Работа №1

Ли, Линь и др. «Использование искусственного интеллекта для обнаружения COVID-19 и внебольничной пневмонии на основе КТ легких: оценка диагностической точности. Радиология 296.2 (2020 г.) »

В этой статье авторы создают и оценивают модель, которая принимает набор срезов КТ в качестве входных данных и предсказывает, показывает ли сканирование пневмонию COVID-19, внебольничную пневмонию («ВП») или отсутствие пневмонии.

Все случаи COVID-19 были подтверждены положительными результатами с помощью ОТ-ПЦР, чтобы убедиться в достоверности достоверных данных.

В этой модели КТ сначала предварительно обрабатываются с использованием U-Net, который выполняет сегментацию легких, чтобы выделить только области легких и исключить сердце и стенку тела.

Вот схема архитектуры U-Net:

После завершения этого этапа предварительной обработки из каждого среза CT извлекаются признаки с помощью сверточной нейронной сети ResNet50. Функции срезов сочетаются с максимальным объединением, и последний полностью связанный слой производит прогнозы.

Вот общая диаграмма модели «COVID-19 против ВП против пневмонии». Обратите внимание, что этап предварительной обработки U-Net явно не показан:

Результаты. Авторы сообщают о хороших показателях с AUC 0,96, 0,95 и 0,98 для COVID-19, внебольничной пневмонии (ВП) и отсутствия пневмонии соответственно:

Авторы также сделали визуализацию Grad-CAM как форму объяснения модели. Grad-CAM - это метод создания тепловой карты, которая показывает, где фокусируется модель для определенного класса. Для получения дополнительной информации о Grad-CAM см. Grad-CAM: Визуальные объяснения из глубоких сетей.

Авторы хорошо комментируют Grad-CAM в разделе обсуждения:

недостатком всех методов глубокого обучения является отсутствие прозрачности и интерпретируемости (например, невозможно определить, какие функции визуализации используются для определения результата). Хотя мы использовали тепловую карту для визуализации важных областей на сканированных изображениях, ведущих к решению алгоритма, тепловых карт по-прежнему недостаточно, чтобы визуализировать, какие уникальные особенности используются моделью для различения COVID-19 и CAP.

В целом, это было чистое исследование с достоверной информацией, основанной на золотом стандарте RT-PCR, хорошо объясненной архитектурой модели и высокой производительностью. Единственный аспект, который выиграет от обновления, - это мотивация, которую авторы резюмируют следующим образом: «RT-PCR считается эталонным стандартом; однако сообщалось, что КТ грудной клетки может использоваться в качестве надежного и быстрого метода скрининга на COVID-19 ». В настоящее время (по состоянию на август 2020 г.) КТ грудной клетки не рекомендуется для скрининга. Лучшей мотивацией, более соответствующей текущим клиническим рекомендациям, было бы использование их высокопроизводительной модели компьютерной томографии для оказания помощи при сортировке в условиях ограниченных ресурсов.

Работа № 2

Хуанг, Лу и др. «Последовательная количественная оценка КТ грудной клетки при заражении covid-19: подход глубокого обучения. Радиология: кардиоторакальная визуализация 2.2 (2020): e200075 ».

Предыдущая статья была посвящена модели диагностики COVID-19. Статья № 2 Хуанга и др. преследует другую цель: изучить взаимосвязь между степенью помутнения легких и тяжестью COVID-19.

На компьютерной томографии грудной клетки легкие черные, потому что они полны воздуха. «Помутнение легких» - это белое пятно в легких, вызванное накоплением материала, такого как вода или гной, внутри легочной ткани. Помутнение легких обычно наблюдается при пневмонии, включая пневмонию, вызванную COVID-19.

Чтобы количественно оценить степень помутнения легких, Huang et al. использовать коммерческую модель машинного обучения под названием InferRead CT Pneumonia. Поскольку эта коммерческая модель является частной, авторы не предоставляют схему архитектуры, но упоминают, что она основана на U-Net, архитектуре сегментации, описанной в предыдущем разделе.

Модель InferRead CT Pneumonia отслеживает очертания всех помутнений легких (более конкретно, она идентифицирует все пиксели, которые являются частью помутнения легкого):

Процент затемненных пикселей легких затем служит количественной мерой степени помутнения легких. «100% помутнение легких» будет полностью белым, а не черным.

Хуанг и др. проанализировать 126 пациентов с разной степенью тяжести COVID-19 и выяснить, соответствует ли более клинически тяжелый COVID-19 количественно большему помутнению легких. Диагноз COVID-19 был подтвержден с помощью ОТ-ПЦР, а клиническая тяжесть пациента была измерена с использованием «Протокола диагностики и лечения нового коронавируса» Национальной комиссии здравоохранения Китая, который классифицирует пациентов на легкие, средние, тяжелые и критические:

• Легкий тип: у пациентов наблюдаются легкие клинические симптомы пневмонии без результатов КТ.
• Умеренный тип: у пациентов есть лихорадка и респираторные симптомы по результатам компьютерной томографии пневмонии.
• Тяжелый тип: пациенты соответствуют любому из следующих критериев: a) респираторный дистресс (частота дыхания ≥ 30 уд / мин) b) SpO2 ≤ 93% в покое c) PaO2 / FiO2 ≤ 300 мм рт.
• Критический тип: пациенты соответствуют любому из следующих критериев: а) респираторная недостаточность с ИВЛ; б) шок, дисфункция других органов и лечение в интенсивной терапии.

Результаты. Как видно из приведенной ниже таблицы, у пациентов с легким типом помутнение легких было 0% (т. е. полностью здоровые легкие), тогда как у пациентов с критическим типом помутнение легких было почти 50%. Статистический тест показал, что разница в помутнении легких при разной клинической степени тяжести была значимой с p <0,001.

Хуанг и др. заключить,

Процент помутнения легких, измеренный с помощью алгоритма глубокого обучения, значительно различается среди пациентов с разной клинической степенью тяжести […] Этот автоматизированный инструмент для количественной оценки поражения легких может использоваться для отслеживания прогрессирования заболевания и понимания временной эволюции COVID-19.

Работа № 3

Мэй, Сюэянь и др. «Быстрая диагностика пациентов с COVID-19 с помощью искусственного интеллекта. Nature Medicine (2020): 1–5 ».

Как и в статье №1, цель статьи №3 Mei et al. заключается в создании модели диагностики COVID-19. Однако, в то время как в документе № 1 в качестве входных данных используются только данные КТ, в статье № 3 в качестве входных данных используются как данные компьютерной томографии, так и клинические данные.

Mei et al. резюмируйте свое исследование следующим образом:

В этом исследовании мы использовали алгоритмы искусственного интеллекта (AI) для интеграции результатов КТ грудной клетки с клиническими симптомами, историей заражения и лабораторными исследованиями для быстрой диагностики пациентов, положительных на COVID-19.

В документе используются медицинские данные 905 пациентов, примерно половина из которых были инфицированы COVID-19. Задача заключалась в бинарной классификации, то есть пациентам помечали единицу (положительный результат на COVID-19) или ноль (отрицательный результат на COVID-19).

Авторы сравнивают три разные модели: одну модель, которая использует только данные КТ грудной клетки, другую модель, которая использует только клиническую информацию, и третья модель, которая объединяет данные КТ грудной клетки и клиническую информацию.

Эти три разные модели показаны на рисунке ниже как разные пути:

Модель, использующая данные КТ грудной клетки, включает два этапа: во-первых, модель выбора срезов выбирает 10 самых аномальных срезов, а затем эти срезы загружаются в «диагностическую CNN» (архитектура ResNet18) для прогнозирования статуса COVID-19.

Модель, объединяющая данные КТ грудной клетки и клинические данные, включает подачу выходных данных КТ «диагностической CNN» и выходных данных модели клинических данных в многослойный перцептрон для получения окончательного прогноза статуса COVID-19.

Результаты: модель, объединяющая КТ и клинические данные (совместная модель), имела AUROC на 6% лучше, чем модель, основанная только на данных КТ (P = 0,00146), и 12% AUROC лучше, чем модель, основанная только на клинической информации (P ‹1 × 10 −4), показывая, что прогнозирование COVID-19 было наиболее эффективным, когда данные КТ и другие клинические данные использовались вместе. Авторы также сравнили свой алгоритм со старшим торакальным рентгенологом и обнаружили, что «алгоритм показал одинаковую чувствительность (P = 0,05) при диагностике COVID-19 по сравнению со старшим торакальным рентгенологом».

Mei et al. заключить,

Хотя КТ грудной клетки не так точна, как ОТ-ПЦР при обнаружении вируса, она может быть полезным инструментом для сортировки в период до получения окончательных результатов.

Резюме

• КТ грудной клетки - это объемные медицинские изображения в градациях серого, на которых изображены сердце и легкие.
• Двумерные и трехмерные сверточные нейронные сети (CNN) применяются для классификации, блокирования или сегментации аномалий компьютерной томографии.
• Золотым стандартом диагностики COVID-19 является ОТ-ПЦР, а не КТ грудной клетки.
• В контексте COVID-19 машинное обучение на КТ грудной клетки может быть полезным для: (а) сортировки в условиях ограниченных ресурсов (например, модель диагностики), (б) оценки осложнений или © предсказание ухудшения или улучшения.
• Любые модели машинного обучения, разработанные для медицинских приложений, следует развертывать в реальном мире только после тщательной проверки, в соответствии с передовой медицинской практикой и под руководством профессиональных медиков.

Первоначально опубликовано на http://glassboxmedicine.com 20 августа 2020 г.