Česká radiologie - Czech Radiology
- AKTUÁLNÍ ČÍSLO
- VYDANÁ ČÍSLA
- VYHLEDÁVÁNÍ
- PERIODIKUM
- REDAKČNÍ RADA
- PŘEDPLATNÉ
- INZERCE
- POKYNY
PRO AUTORY - INSTRUCTIONS
FOR AUTHORS
ISSN 1210-7883
Původní práce
Ces Radiol 2020;74(3): 180 -188
Hodnocení rozsahu postižení plic u COVID-19 pneumonie pomocí automatické analýzy využívající umělé inteligence
The assessment of the lung involvement in COVID-19 pneumonia using automatical analysis employing the artificial intelligence algorithm
Martin Vítovec1, Jan Baxa1, Hynek Mírka1, Thomas Flohr2, Bernhard Schmidt2, Jiří Ferda1
1 Klinika zobrazovacích metod LF UK a FN, Plzeň
2 CT research division, Siemens Heathineers, Forcheim
Hlavní stanovisko práce
Kvantifikace rozsahu a přesná lokalizace postižení plic u pneumonie asociované s onemocněním COVID-19 za pomoci softwaru umělé inteligence může odhadnout závažnost stavu a prognózu pacienta.
SOUHRN
Vítovec M, Baxa J, Mírka H, Flohr T, Schmidt B, Ferda J. Hodnocení rozsahu postižení plic u COVID-19 pneumonie pomocí automatické analýzy využívající umělé inteligence
Cíl: Porovnat rozsah postižení plic u pacientů hospitalizovaných na standardním oddělení a na JIP na základě analýzy dat pomocí umělé inteligence.
Metodika: Retrospektivně jsme zhodnotili soubor 50 pacientů, kteří měli provedené CT hrudníku indikované z důvodu podezření z nákazy virem SARS-CoV-2 s následně potvrzeným pozitivním RT-PCR testem. Nemocní byli vyšetřeni v době první vlny epidemie v březnu a dubnu 2020. Soubor pacientů byl rozdělen do dvou skupin podle hospitalizace na jednotce intenzivní péče (skupina A - 19) či na standardním oddělení (skupina B - 31). U těchto pacientů jsme provedli analýzu dat pomocí prototypu softwaru Siemens Healthineers´ interactive CT Pneumonia Analysis.
Výsledky: Průměrný procentuální podíl opacit vůči celkovému objemu plic u souboru A (pacienti hospitalizovaní na JIP) byl 31,56 %, u souboru B (pacienti hospitalizovaní na standardním oddělení) byl 11,25 %. Procentuální podíl konsolidací vůči celkovému objemu plic byl u souboru A 5,25 % a u souboru B 2,09 %. Průměrné Infection Score je u souboru A 8,32 a u souboru B 3,35. Predispozice dolních laloků s nejvíce postiženým pravým dolním lalokem (39,17 % u souboru A a 18,65 % u souboru B).
Závěr: Automatické hodnocení postižení plic s možností kvantifikace postižení plicní tkáně dovoluje rychlý staging plicního postižení, stanovuje podíl postižené plicní tkáně. Skóre rozsahu postižení dovoluje využít jako jeden z objektivizujících parametrů klinického stavu nemocného, který lze zvažovat při odhadnutí nutnosti intenzivní péče.
Klíčová slova: COVID-19 pneumonie, SARS-CoV2 infekce, CT hrudníku, infekční nálož, umělá inteligence
Major statement
Quantification of the extent and localisation of the lung involvement in pneumonia associated with the disease of COVID-1 employing the artificial intelligence is able to assess the severity of the patient state and to estimate the patient´s prognosis.
SUMMARY
Vítovec M, Baxa J, Mírka H, Flohr T, Schmidt B, Ferda J. The assessment of the lung involvement in COVID-19 pneumonia using automatical analysis employing the artificial intelligence algorithm
Aim: To compare the extent of the lung involvement hospitalized at the non-intensive care unit and intensive care unit using the analysis assisted by the artificial intelligence.
Method: The retrospective analysis of the sample of 50 patients, who underwent chest CT indicated due to the suspected SARS-CoV-2 infection and followed by the confirmation of the diagnosis by the PCR test. The patients were investigated during spring wave of the epidemic between March and April 2020. The sample was split into two groups hospitalized at the non-ICU (31 pt.) and ICU (19 pt.). We analyzed the data in these patients using software prototype Interactive CT Pneumonia Analysis provided by Siemens Heathineers. The percentage of the consolidation and ground glass opacities were quantified in lobes and lungs.
Results: The mean percentage of the opacities related to the whole volume of lungs in patients hospitalized in ICU was 31.56%, 11.25 in patients in non-ICU respectively; the consolidation was affected 5.2% in ICU group, 2.09% in non-ICU group. Domination of right lower lobe was in 39.17% in ICU patients, 18.65% in group of non-ICU patients.
Conclusion: The assessment of the lung pa-renchyma load using lung infection AS assisted analysis enabling the quantification of the affected volume, makes possible to score the patients and making the parametric staging, it allows to estimate the need of intensive care.
Key words: COVID-19 pneumonia, SARS-CoV2 infection, chest CT, infection load, artificial intelligence