L’intelligenza artificiale nell’analisi delle TC del torace in pazienti COVID-19

INTRODUZIONE:

La pandemia di COVID-19, provocata dal virus SARS-CoV-2, conta all’ 8 Luglio 2020 quasi 12 milioni di casi confermati. Il test Gold Standard per la diagnosi di COVID-19 è la ricerca del virus SARS-CoV-2 tramite RT-PCR effettuato su espettorato, su tampone nasofaringeo o rinofaringeo, o su secrezioni respiratorie. I reperti di laboratorio ancillari più comunemente riscontrati sono la linfopenia, un aumento degli indici infiammatori come la PCR, la LDH, il D-dimero e l’aumento di altri indici di danno tissutale e d’organo come l’urea, la CK, il calcio. La TC del torace non è indicata come esame di screening o come strumento di diagnosi primaria del COVID-19, ma va considerata come un esame di valutazione di severità del quadro, delle complicanze e nel follow-up. Visto l’alto numero di casi, il potenziamento dell’imaging radiologico con l’intelligenza artificiale fornirebbe un sostegno essenziale sia con l’automatizzazione della procedura di acquisizione che di analisi quantitativa delle immagini per poter definire il volume di polmone interessato dalla malattia e seguirlo nel tempo.

OBBIETTIVI:

L’obbiettivo del nostro studio è stato quello di cercare nei pazienti con COVID-19 confermata da RT-PCR test, una correlazione tra quadro radiologico valutato tramite software di intelligenza artificiale e quadro radiologico valutato tramite parametro occhiometrico dei radiologi (severity score) e la correlazione tra l’andamento del quadro imaging e l’andamento dei principali parametri di laboratorio che nei precedenti studi si sono dimostrati essere reperti ancillari della malattia.

METODI:

Sono stati arruolati retrospettivamente 56 pazienti provenienti dal Campus COVID Center, risultati positivi a RT-PCR test ad infezione da SARS-CoV-2. Per ogni paziente è stata valutata la correlazione tra il quadro radiologico TC valutato tramite severity score e intelligenza artificiale (IA) misurati durante 3 intervalli di tempo consecutivi e i parametri di laboratorio principalmente correlati ad infezione da SARS-CoV-2 secondo la letteratura scientifica, misurati durante 4 intervalli di tempo consecutivi. Tra i parametri di laboratorio sono stati analizzati i valori di LDH, D-dimero, PCR, linfociti totali in valore assoluto, Calcio, CK e Urea.  L’analisi di IA è stata effettuata tramite il software InferRead CT Lung (COVID-19). La valutazione occhiometrica da parte dei radiologi è stata standardizzata con l’introduzione di un severity score, una valutazione soggettiva della quantità di volume di polmone interessato dalla malattia tradotto in un punteggio da 5 a 20.

I confronti multipli tra le variabili di laboratorio e di imaging radiologico sono stati analizzanti mediante test di Tukey e test di Bland Altman. E’ stato eseguito il test di analisi della varianza (ANOVA) per identificare una eventuale differenza statisticamente significativa nell’andamento dei parametri nel tempo. Lo stesso test ANOVA è stato infine utilizzato per valutare la correlazione tra quadro radiologico valutato con ss e parametri di laboratorio.

RISULTATI:

Lo studio ha dimostrato correlazioni statisticamente significative (p < 0,01) tra il quadro radiologico espresso in severity score e quello espresso con l’intelligenza artificiale e tra il quadro radiologico espresso in ss e i parametri di laboratorio, in particolare LDH, PCR e Ly.

CONCLUSIONI:

Lo studio dimostra che l’algoritmo di deep learning di segmentazione delle TC del torace funziona e che quindi l’intelligenza artificiale può rappresentare un valido supporto al radiologo nel follow-up dei pazienti con COVID-19. E’ stata inoltre confermata la correlazione tra quadro radiologico e parametri laboratoristici infiammatori e di danno d’organo.

Essendo piccola la coorte di pazienti nello studio, i risultati ottenuti sono da intendere come dati preliminari a studi futuri su popolazioni di scala maggiore.

BIOGRAFIA:

Lorenzo Impieri, Medico Chirurgo di 24 anni, si è laureato presso l’Università Campus Bio-Medico di Roma con una tesi sull’intelligenza artificiale nell’analisi delle TC del torace in pazienti COVID-19.

Si è interessato durante il corso di laurea soprattutto alla Radiologia partecipando a studi di Radiomica e Intelligenza artificiale.