Modelado por simulación computacional | 07 NOV 22

Diagnóstico por imágenes de tórax en COVID prolongado

El nuevo modelo puede detectar los efectos prolongados de COVID mediante radiografías de tórax 2D simples
Autor/a: Frank Li, Xuan Zhang, Alejandro P. Comellas, Eric A. Hoffman, Tianbao Yang and Ching-Long Lin Fuente: Frontiers in Physiology Contrastive learning and subtyping of post-COVID-19 lung computed tomography images

Aprendizaje contrastivo y subtipificación de imágenes de tomografía computarizada de pulmón post-COVID-19

Resumen

Los pacientes que se recuperaron de la nueva enfermedad por coronavirus 2019 (COVID-19) pueden experimentar una variedad de síntomas a largo plazo. Dado que el pulmón es el sitio más común de infección, las secuelas pulmonares pueden presentarse de manera persistente en los sobrevivientes de COVID-19. Para comprender mejor los síntomas asociados con el deterioro de la función pulmonar en pacientes con post-COVID-19, nuestro objetivo fue construir un modelo de aprendizaje profundo que realiza dos tareas: diferenciar sujetos post-COVID-19 de sujetos sanos e identificar post-COVID-19 subtipos, basados ​​en las representaciones latentes de tomografías computarizadas (TC) de pulmón.

Se analizaron tomografías computarizadas de 140 sujetos post-COVID-19 y 105 controles sanos. Se desarrolló un nuevo modelo de aprendizaje mediante la introducción de una transformación de volumen pulmonar para aprender las características latentes de los fenotipos de enfermedades a partir de tomografías computarizadas en la inspiración y la expiración de los mismos sujetos. El modelo logró una precisión del 90% para la diferenciación de los sujetos post-COVID-19 de los controles sanos.

Se identificaron dos grupos (C1 y C2) con características distintas entre los sujetos posteriores a COVID-19. C1 exhibió un mayor atrapamiento de aire causado por la enfermedad de las vías respiratorias pequeñas (4,10 %, p = 0,008) y la capacidad de difusión del % previsto de monóxido de carbono (% DLCO previsto, 101,95 %, p < 0,001), mientras que C2 presentó una disminución del volumen pulmonar (4,40 l, p < 0,001) y aumento de la opacidad en vidrio esmerilado (GGO%, 15,85%, p < 0,001).

El modelo de aprendizaje contrastivo es capaz de capturar las características latentes de dos subtipos posteriores a la COVID-19 caracterizados por atrapamiento de aire debido a la enfermedad de las vías respiratorias pequeñas y patrones fibróticos intersticiales asociados a las vías respiratorias, respectivamente. El descubrimiento de subtipos post-COVID-19 sugiere la necesidad de diferentes manejos y tratamientos de las secuelas a largo plazo de los pacientes con post-COVID-19.



Las imágenes TLC y RV de los sujetos representativos de cada grupo.
La primera y la tercera columna mostraban los mapas de activación que indicaban las regiones importantes para determinar si los sujetos eran sujetos post-COVID-19 (rojo) o sujetos de control (púrpura).

Comentarios

Para los pacientes que lidian con síntomas respiratorios persistentes del nuevo coronavirus, una radiografía de tórax no puede revelar mucho. Las exploraciones bidimensionales (2D) simplemente no pueden distinguir la función pulmonar comprometida. Para ese diagnóstico, se necesita una técnica tridimensional (3D) más de tomografía computarizada.

Sin embargo, muchas clínicas médicas en los Estados Unidos no cuentan con equipos de tomografía computarizada, lo que deja a los pacientes con COVID prolongado con poca información sobre su función pulmonar.

Eso puede cambiar. En un nuevo estudio, investigadores de la Universidad de Iowa desarrollaron lo que se llama un modelo de aprendizaje contrastivo. Este modelo "aprende" de imágenes 2D compuestas construidas a partir de imágenes de TC 3D para detectar una función pulmonar comprometida en pacientes con COVID prolongado. Otra técnica, llamada transferencia de aprendizaje, luego transmite información de diagnóstico pulmonar de una tomografía computarizada a una radiografía de tórax, lo que permite que el equipo de rayos X de tórax detecte anomalías como si esos pacientes hubieran usado una tomografía computarizada.

 

Comentarios

Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.

AAIP RNBD
Términos y condiciones de uso | Política de privacidad | Todos los derechos reservados | Copyright 1997-2024