Utilizzo dell'apprendimento automatico per valutare l'utilità prognostica delle caratteristiche radiomiche per in

Sep 03, 2023

Rapporti scientifici volume 13, numero articolo: 7318 (2023) Citare questo articolo

350 accessi

2 Altmetrico

Dettagli sulle metriche

Poiché le radiografie del torace portatili sono un mezzo efficiente per il triage dei casi emergenti, il loro utilizzo ha sollevato la questione se l’imaging abbia un’ulteriore utilità prognostica per la sopravvivenza tra i pazienti con COVID-19. Questo studio ha valutato l’importanza dei fattori di rischio noti sulla mortalità ospedaliera e ha studiato l’utilità predittiva delle caratteristiche della trama radiomica utilizzando vari approcci di apprendimento automatico. Abbiamo rilevato miglioramenti incrementali nella prognosi di sopravvivenza utilizzando caratteristiche strutturali derivate da radiografie del torace emergenti, in particolare tra i pazienti più anziani o quelli con un carico di comorbilità più elevato. Caratteristiche importanti includevano età, saturazione di ossigeno, pressione sanguigna e alcune condizioni di comorbilità, nonché caratteristiche dell'immagine relative all'intensità e alla variabilità della distribuzione dei pixel. Pertanto, le radiografie del torace ampiamente disponibili, insieme alle informazioni cliniche, possono essere predittive degli esiti di sopravvivenza dei pazienti con COVID-19, in particolare dei pazienti più anziani e malati, e possono aiutare nella gestione della malattia fornendo informazioni aggiuntive.

Il COVID-19 ha provocato oltre ottantacinque milioni di casi e oltre un milione di decessi negli Stati Uniti1. Considerate le continue preoccupazioni relative a future riacutizzazioni2,3 e nel tentativo di migliorare il trattamento e la gestione dei pazienti infetti, i metodi basati su principi per la stratificazione del rischio e la prognosi della sopravvivenza sono di fondamentale importanza4,5. I primi rapporti delineavano una guida diagnostica per la valutazione delle anomalie radiografiche del torace in ambito di pronto soccorso, comprese opacità reticolonodulari a "vetro smerigliato" (GGO) irregolari o diffuse e consolidamento con predominanza basale, periferica e bilaterale6,7. Studi recenti hanno sostenuto l’uso delle radiografie del torace nella classificazione dei pazienti con COVID-198,9 tramite sistemi di punteggio come il punteggio Brixia specifico per COVID, che valuta il coinvolgimento polmonare su una scala da 0 a 18, o la percentuale di coinvolgimento polmonare10, 11,12. Sebbene gli approcci automatizzati per la classificazione delle malattie abbiano raggiunto un’accuratezza diagnostica elevata (> 90%)13, vi è una carenza di ricerca che utilizza caratteristiche radiomiche per prevedere gli esiti clinici per i pazienti ricoverati con COVID-19 a causa della loro natura altamente dimensionale ed eterogenea, nonché come indisponibilità dei dati14. L’utilità aggiuntiva di tali caratteristiche per prevedere la mortalità intraospedaliera, al di là dei fattori di rischio clinici, è in gran parte sconosciuta14.

Il sistema sanitario dell’Università del Michigan (o Michigan Medicine), in quanto uno dei principali centri regionali che gestiscono la cura dei pazienti affetti da COVID-19 durante la pandemia, ha raccolto una grande quantità di dati di immagini radiografiche, oltre a dati demografici e clinici , tramite il Fascicolo Sanitario Elettronico (FSE)15,16. La radiografia del torace portatile, con la sua disponibilità e facilità d'uso, è stata utilizzata di routine per il monitoraggio dei pazienti che necessitavano di cure urgenti presso la Michigan Medicine, anche prima della pandemia17. Tuttavia, l’analisi delle immagini radiografiche del torace è complicata dalla struttura dei dati, in particolare nel contesto COVID-1918. Sfruttando le tecniche di apprendimento automatico, abbiamo proposto un flusso di lavoro per l’estrazione e la selezione di caratteristiche dalle immagini radiografiche relative a COVID. Utilizzando direttamente le informazioni sulla sopravvivenza, il nostro quadro scompone le immagini grezze in caratteristiche della trama e identifica quelle caratteristiche che sono maggiormente correlate alla mortalità da COVID-19. Abbiamo utilizzato diverse tecniche di machine learning per valutare la prevedibilità dei fattori demografici e clinici e le caratteristiche della struttura radiomica sulla mortalità intraospedaliera, un endpoint primario per i pazienti ricoverati in ospedale con COVID-1919. Le analisi dei sottogruppi hanno rivelato che le immagini radiografiche del torace offrivano una maggiore utilità prognostica per i pazienti vulnerabili (ad esempio, più anziani o più malati).

Dei 3.313 pazienti ospedalizzati con radiografie, abbiamo analizzato un totale di 3.310 pazienti con immagini antero-posteriori o postero-anteriori, che hanno fornito visioni chiare dei polmoni; sono stati esclusi solo tre pazienti la cui radiografia forniva visioni poco chiare e non poteva essere analizzata. Durante il follow-up, abbiamo osservato 590 (17,8%) decessi intraospedalieri e 20 (0,6%) dimissioni in hospice. L’età media era di 61 anni (intervallo interquartile: 46-73) e la maggior parte dei pazienti era di sesso maschile (56%), con una sovrarappresentazione di pazienti neri (21%) rispetto alla popolazione circostante. La frequenza respiratoria mediana era di 18,8 (17,5–21,7) respiri al minuto e la saturazione mediana di ossigeno era del 95,5% (94,0–97,2%). Al momento del ricovero era presente un'elevata percentuale di pazienti con aritmie cardiache (70%), ipertensione (70%) e disturbi idroelettrolitici (70%) (Supplemento E). Nel modello finale sono state incluse sette caratteristiche radiomiche e sette caratteristiche cliniche.