推想医疗关于新冠肺炎无症状感染者筛查创新成果被JIDC收录

发布日期:2023-02-17 17:31:59

推想医疗关于新冠肺炎无症状感染者筛查创新成果被JIDC收录

近日,推想医疗携手北京小汤山医院合作的论文“Application of deep learning-based diagnostic systems in screening asymptomatic COVID-19 patients among oversea returnees”发表于传染病学方向期刊Journal of Infection in Developing Countries。研究表明,深度学习(DL)诊断系统具有应用于现实临床场景的潜力,是及时筛查输入性COVID-19患者,甚至是输入性无症状病例的良好补充手段。无症状病例独特的临床和放射学特征也可能对筛查具有重要价值。基于DL的诊断系统是实用、高效和可靠的,可协助放射科医生筛查COVID-19患者。无症状患者的不同特征可能有助于一线临床医生鉴别无症状病例。

研究背景

自2019年12月新冠疫情(COVID-19)暴发以来,全球已确诊数亿例新冠肺炎病例。针对新冠肺炎疫情,深度学习算法显示出巨大的潜力,能够作为一种补充诊断工具,帮助一线的临床医生进行COVID-19的初始筛查和分类,特别是与计算机断层扫描(CT)结合使用。然而,尽管当时已开发了200多种深度学习预测模型,少有算法在现实临床环境中得到验证。

研究期间,根据世界卫生组织数据,中国等国家已控制住新冠疫情。对于这些国家来说,预防病毒传播以及输入病例导致第二轮疫情暴发已成为当前重点。其中,识别无症状感染者变得尤为重要。无症状感染者是指没有发热、咳嗽、疲劳等临床症状的感染患者。他们虽然没有症状,但仍然携带新冠病毒,并对其他人具有传染性。由于结节性病变可能是无症状感染者的早期表现,基于CT的DL肺结节诊断系统应能帮助识别无症状感染者。

基于深度学习的诊断系统在筛查无症状病例中的巨大潜力

基于以上背景,推想医疗两种基于CT的DL算法系统(InferRead CT Pneumonia; InferRead CT Lung)被应用于临床,对在小汤山医院进行常规检查的海外归国人员进行COVID-19病例筛查,并分析已确诊无症状海归患者的临床特征,以进一步了解疾病病程特征。

本研究基于2020年3月16日至4月5日共1917归国人员,并在北京市小汤山医院同一天内接受了新冠病毒rRT-PCR检测和CT检查。研究应用了两种推想医疗DL诊断系统,包括肺炎疾病智能解决方案(InferRead CT pneumonia)和肺部疾病智能解决方案(InferRead CT Lung)。InferRead CT pneumonia可以作为筛查和诊断工具,在胸部CT中定位与COVID-19相关的异常,标记疑似的新冠肺炎患者,并提供自动的量化分析。InferRead CT Lung则用来检测不同类型的肺结节。

1917名参与人员的CT扫描结果在检查后被直接发送到DL系统服务器进行分析,一旦发现疑似肺炎病变的患者,系统将会在2分钟内提醒工作人员。临床中,结节性病变可能是COVID-19的早期表现,所以肺结节的分析结果也从InferRead CT Lung中获得,起到补充诊断的作用。再根据rRT-PCR检测结果对两种系统的性能进行评估,通过比较临床症状与rRT-PCR检测结果,确定无症状患者。最后,根据弗莱施纳协会的命名法,由3位拥有10年、15年和25年工作经验的放射科医生验证和描述已确定为无症状患者的影像学特征。

结果显示,在1917名参与者中有53名患者最终确诊为阳性,其中包括5名无症状患者。InferRead CT pneumonia在入院当天正确诊断了50例疑似肺炎病例,包括2例无症状病例,检测灵敏度和特异度分别为0.9434和0.9592。同时,InferRead CT Lung也识别了肺炎系统未识别的3例无症状患者中的2例,这一结果也表明基于深度学习的智能诊断系统在筛查无症状病例中具有巨大潜力。

本研究在诊断出无症状病例之后,还利用InferRead CT pneumonia和InferRead CT Lung对这些病例的影像学特征进行了量化分析。在这5例无症状患者中,InferRead CT pneumonia发现的2个病例:1例来自塞尔维亚,表现为多发毛玻璃状阴影累及多叶、多节段(病例1),另1例来自美国,表现为沿胸膜区毛玻璃状阴影伴血管增厚及左下叶基底段后段网格影(病例2)。InferRead CT pneumonia对两例病例中病灶的特征进行了量化追踪。

图1病例1中患者的胸部CT扫描和DL诊断系统

图2病例2中患者的胸部CT扫描和DL诊断系统

其余3例除肺炎以外的胸部异常,InferRead CT Lung发现其中2例肺结节异常并报告给医生,但在随后的CT检查中均未见明显进展或吸收,因此可排除感染病变的可能性。

随后,研究还分析了5例无症状患者的流行病史和临床特征。结果发现,有4名患者都有与确诊病例的明确接触史。入院时所有患者的核酸检测均为阳性,但只有两位患者抗原检测为阳性。

不同于其他模型开发的研究,本研究验证了DL算法在现实临床应用时的性能,并探索了高效筛查无症状新冠肺炎的临床工作流程。研究在临床中应用强大的DL诊断系统,基于胸部CT扫描筛查疑似患者,确定无症状患者,并分析了研究中无症状患者的相关信息。

InferRead CT pneumonia对具有放射学特征的疑似患者具有高敏感性(50/53),并且能够识别CT扫描存在异常的无症状患者。InferRead CT Lung则起到补充作用,可以识别无症状患者在CT扫描中的肺结节,而结节性病变是COVID-19潜在的早期表现。同时,DL系统也帮助医生对胸部病变进行量化分析,帮助监测疾病的进展。此外,InferRead CT Lung还可以检测到旧的病变或可疑的早期感染病变。通过定量测量病变进展或吸收,帮助检测早期感染以及导致的病变。通过本研究可以看到,InferRead CT pneumonia和InferRead CT Lung系统在这方面具有非常高的实用性和效率。

关于 AI新科技

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注