Análisis mediante IA de las TC del tórax permite diferenciar la COVID-19 de la neumonía
Por el equipo editorial de HospiMedica en español Actualizado el 31 Mar 2020 |
Imagen: Mapas de calor de las regiones de activación de COVID-19 (Fotografía cortesía del Hospital del Pueblo Wuhan Huangpi)
Según un estudio nuevo, un modelo de aprendizaje profundo de inteligencia artificial (IA) puede detectar con exactitud la COVID-19 y diferenciarla de la neumonía adquirida en la comunidad (NAC) y otras enfermedades pulmonares.
Investigadores del Hospital Popular Wuhan Huangpi (China), el Centro de Ciencias de la Salud de la Universidad de Shenzhen (Shenzhen, China) y otras instituciones, realizaron un estudio retrospectivo multicéntrico para desarrollar la red neuronal de detección de COVID-19 (COVNet), un marco de IA completamente automático que extrae características visuales de los exámenes volumétricos de TC de tórax para la detección de la COVID-19, y los diferencia de la NAC y otros hallazgos pulmonares. Se recopilaron conjuntos de datos de seis hospitales y se evaluó el desempeño diagnóstico.
En total, el conjunto de datos recopilados consistió en 4.356 exámenes volumétricos de TC de tórax de 3.322 pacientes (edad promedio 49 años, 55% hombres). La sensibilidad y especificidad general por examen para detectar COVID-19 en el conjunto de pruebas independientes fue del 90% y 96%, respectivamente. Los investigadores también mostraron que la sensibilidad y especificidad por examen para detectar la NAC fue del 87% y 92%, respectivamente. El estudio fue publicado el 19 de marzo de 2020 en la revista Radiology.
“Pudimos recolectar una gran cantidad de exámenes de tomografía computarizada de múltiples hospitales, que incluyeron 1.296 exámenes de tomografía computarizada de pacientes con COVID-19”, concluyó el autor principal, Lin Li, MD, del departamento de radiología del Hospital del Pueblo de Wuhan Huangpi. “Más importante aún, también se recolectaron exámenes de TC de 1.735 pacientes con NAC y de 1.325 pacientes sin neumonía como los grupos de control en este estudio con el fin de garantizar la robustez de la detección, teniendo en cuenta que se pueden observar ciertas características de imágenes similares en la COVID-19 y otros tipos de enfermedades pulmonares”.
El brote de la enfermedad por coronavirus 2019 (COVID-19) se ha extendido rápidamente por todo el mundo. El 30 de enero de 2020, la Organización Mundial de la Salud (OMS) la declaró una emergencia de salud pública de interés internacional. Por lo general, se confirma mediante la reacción en cadena de la polimerasa de transcripción inversa (PCR), pero la TC puede detectar ciertas manifestaciones características en el pulmón asociadas con COVID-19, como vidrio esmerilado bilateral, opacidades pulmonares consolidadas en la TC y un patrón de pavimentación loco, entre otros.
Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Shenzhen
Investigadores del Hospital Popular Wuhan Huangpi (China), el Centro de Ciencias de la Salud de la Universidad de Shenzhen (Shenzhen, China) y otras instituciones, realizaron un estudio retrospectivo multicéntrico para desarrollar la red neuronal de detección de COVID-19 (COVNet), un marco de IA completamente automático que extrae características visuales de los exámenes volumétricos de TC de tórax para la detección de la COVID-19, y los diferencia de la NAC y otros hallazgos pulmonares. Se recopilaron conjuntos de datos de seis hospitales y se evaluó el desempeño diagnóstico.
En total, el conjunto de datos recopilados consistió en 4.356 exámenes volumétricos de TC de tórax de 3.322 pacientes (edad promedio 49 años, 55% hombres). La sensibilidad y especificidad general por examen para detectar COVID-19 en el conjunto de pruebas independientes fue del 90% y 96%, respectivamente. Los investigadores también mostraron que la sensibilidad y especificidad por examen para detectar la NAC fue del 87% y 92%, respectivamente. El estudio fue publicado el 19 de marzo de 2020 en la revista Radiology.
“Pudimos recolectar una gran cantidad de exámenes de tomografía computarizada de múltiples hospitales, que incluyeron 1.296 exámenes de tomografía computarizada de pacientes con COVID-19”, concluyó el autor principal, Lin Li, MD, del departamento de radiología del Hospital del Pueblo de Wuhan Huangpi. “Más importante aún, también se recolectaron exámenes de TC de 1.735 pacientes con NAC y de 1.325 pacientes sin neumonía como los grupos de control en este estudio con el fin de garantizar la robustez de la detección, teniendo en cuenta que se pueden observar ciertas características de imágenes similares en la COVID-19 y otros tipos de enfermedades pulmonares”.
El brote de la enfermedad por coronavirus 2019 (COVID-19) se ha extendido rápidamente por todo el mundo. El 30 de enero de 2020, la Organización Mundial de la Salud (OMS) la declaró una emergencia de salud pública de interés internacional. Por lo general, se confirma mediante la reacción en cadena de la polimerasa de transcripción inversa (PCR), pero la TC puede detectar ciertas manifestaciones características en el pulmón asociadas con COVID-19, como vidrio esmerilado bilateral, opacidades pulmonares consolidadas en la TC y un patrón de pavimentación loco, entre otros.
Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Shenzhen
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19