Визуальная и автоматическая оценки объёма поражения лёгких на компьютерной томографии при пневмонии, вызванной COVID-19

В работе произведена оценка различных признаков поражения легочной ткани и их объема с помощью автоматического и эмпирического методов на компьютерной томографии (КТ) органов грудной клетки при пневмониях, вызванных COVID-19. Проанализированы 198 КТ грудной клетки пациентов с подтвержденной пневмонией COVID-19 различной степени тяжести. Визуальную оценку проводил врач рентгенолог с опытом в торакальной радиологии 8 лет. Оценивалось наличие признаков: «матовое стекло», консолидация, ретикулярные изменения, «булыжная мостовая». Автоматизированный анализ компьютерных томограмм проводился в системе «Сервис автоматической оценки тяжести поражения легких у пациентов с COVID-19», в которой определялись объемы легких, «матового стекла» и консолидации. Средний объем поражения по всем группам составил по данным визуального анализа 19,1 %. По данным автоматического анализа распространенность составила 11,1 %. Визуальная оценка объема поражения до 35 % выше по сравнению с автоматизированной оценкой, при которой информация носит более объективный характер.

1. Yang W, Sirajuddin A, Zhang X, Liu G, Teng Z, Zhao S, et al. The role of imaging in 2019 novel coronavirus pneumonia (COVID-19). European Radiology 2020. doi: 10.1007/s00330-020-06827-4 [Google Scholar]

2. Временные методические рекомендации "Профилактика, диагностика и лечение новой коронавирусной инфекции (COVID-19). Версия 9" (утв. Министерством здравоохранения РФ 26 октября 2020 г.) .https://www.worldometers.info/coronavirus/ (дата обращения 12.01.2021)

3. Ran Yang, Xiang Li, Huan Liu, Yanling Zhen, Xianxiang Zhang, Qiuxia Xiong, et al. Chest CT Severity Score: An Imaging Tool for Assessing Severe COVID-19. Radiology: Cardiothoracic Imaging 2020 2:2

4. Butt C, Gill J, Chun D, Babu BA. Deep learning system to screen coronavirus disease 2019 pneumonia. Applied Intelligence 2020. doi: 10.1007/s10489-020-01714-3 [Google Scholar]

5. Song Y, Zheng S, Li L, Zhang X, Zhang X, Huang Z, et al. Deep learning Enables Accurate Diagnosis of Novel Coronavirus (COVID-19) with CT images. medRxiv 2020:2020.2002.2023.20026930. doi: 10.1101/2020.02.23.20026930 [Google Scholar]

6. Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, et al. Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT. Radiology 2020. doi: 10.1148/radiol.2020200905 [Google Scholar]

7. Wang S, Kang B, Ma J, Zeng X, Xiao M, Guo J, et al. A deep learning algorithm using CT images to screen for Corona Virus Disease (COVID-19). medRxiv 2020:2020.2002.2014.20023028. doi: 10.1101/2020.02.14.20023028 [Google Scholar]

8. Jin S, Wang B, Xu H, Luo C, Wei L, Zhao W, et al. AI-assisted CT imaging analysis for COVID-19 screening: Building and deploying a medical AI system in four weeks. medRxiv 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354 [Google Scholar]