Ces radiol. 2020, 74(3):180-188 | DOI: 10.55095/CesRadiol2020/028

Hodnocení rozsahu postižení plic u COVID-19 pneumonie pomocí automatické analýzy využívající umělé inteligencePůvodní práce

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

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
Granty a financováni:

Podpořeno projektem MZ ČR Koncepční rozvoj výzkumné instituce 00669806 - FN Plzeň.

Přijato: 15. září 2020; Zveřejněno: 1. září 2020  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
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. Ces radiol. 2020;74(3):180-188. doi: 10.55095/CesRadiol2020/028.
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Zobrazit celý článek

    Reference

    1. Yang W, Yan F. Patients with RT-PCR Confirmed COVID-19 and Normal Chest CT. Radiology 2020; 295(2): 200702. doi: 10.1148/radiol.2020200702 Přejít k původnímu zdroji... Přejít na PubMed...
    2. Long C, Xu H, Shen Q, et al. Diagnosis of the Coronavirus disease (COVID-19): rRT-PCR or CT? Eur J Radiol 2020; 126: 108961. doi: 10.1016/j.ejrad.2020.108961 Přejít k původnímu zdroji... Přejít na PubMed...
    3. Ai T, Yang Z, Hou H, et al. Correlation of Chest CT and RT-PCR Testing in Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology 2020; 296(2): 200642. doi: 10.1148/radiol.2020200642 Přejít k původnímu zdroji... Přejít na PubMed...
    4. Rubin GD, Ryerson CJ, Haramati LB, et al. The Role of Chest Imaging in Patient Management during the COVID-19 Pandemic: A Multinational Consensus Statement from the Fleischner Society. Radiology 2020; 296(1): 201365. doi: 10.1148/radiol.2020201365 Přejít k původnímu zdroji... Přejít na PubMed...
    5. Bernheim A, Mei X, Huang M, et al. Chest CT Findings in Coronavirus Disease-19 (COVID-19): Relationship to Duration of Infection. Radiology 2020; 295(3): 200463. doi: 10.1148/radiol.2020200463 Přejít k původnímu zdroji... Přejít na PubMed...
    6. Li K, Fang Y, Li W, et al. CT image visual quantitative evaluation and clinical classification of coronavirus of coronavirus disease (COVID-19). Eur Radiol 2020; 30 4407-4416. Přejít k původnímu zdroji... Přejít na PubMed...
    7. Hope MD, Raptis CA, Shah A, Hammer MM, Henry TS; six signatories. A role for CT in COVID-19? What data really tell us so far. Lancet 2020; 395(10231): 1189-1190. doi: 10.1016/S0140-6736(20)30728-5 Přejít k původnímu zdroji... Přejít na PubMed...
    8. Li K, Wu J, Wu F, et al. The Clinical and Chest CT Features Associated with Severe and Critical COVID-19 Pneumonia. Invest Radiol 2020; 55(6): 327-331. doi: 10.1097/RLI.0000000000000672 Přejít k původnímu zdroji... Přejít na PubMed...
    9. Zhao W, Zhong Z, Xie X, Yu Q, Liu J. Relation Between Chest CT Findings and Clinical Conditions of Coronavirus Disease (COVID-19) Pneumonia: A Multicenter Study. Am J Roentgenol 2020; 214(5): 1072-1077. doi: 10.2214/AJR.20.22976 Přejít k původnímu zdroji... Přejít na PubMed...

    Tento článek je publikován v režimu tzv. otevřeného přístupu k vědeckým informacím (Open Access), který je distribuován pod licencí Creative Commons Attribution 4.0 International License (CC BY 4.0), která umožňuje distribuci, reprodukci a změny, pokud je původní dílo řádně ocitováno. Není povolena distribuce, reprodukce nebo změna, která není v souladu s podmínkami této licence.


    Zpět na obsah