Радиомика в анализе КТ легких при COVID-19: поиск диагностически значимых биомаркеров изображений

XXIII Ежегодный международный конгресс «Информационные технологии в медицине», #ИТМ2022, Москва
14 октября 2022, 13:00, зал «Венера»
Секция: 2.8. СПЕЦИАЛИЗИРОВАННЫЕ КЛИНИЧЕСКИЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ. ПЕРСОНИФИЦИРОВАННАЯ МЕДИЦИНА И ЗДОРОВЬЕ ЗДОРОВЫХ.
Докладчик
Шахвалиева Элина Саид-Аминовна, ординатор-рентгенолог ФГБУ Российский научный центр рентгенорадиологии Минздрава России, Москва.

Актуальность
В настоящее время острая респираторная инфекция, вызываемая коронавирусом SARS-CoV-2 - COVID-19, остаётся одной из важных проблем современной медицины, что обусловлено высоким полиморфизмом заболевания и множеством отягощающих факторов, точный вклад каждого из которых до конца не установлен. Ведущей клинической проблемой при тяжёлом течении болезни выступает развитие дыхательной недостаточности, в наиболее критических случаях требующей перевода пациента на искусственную вентиляцию легких (ИВЛ). Причиной дыхательной недостаточности при COVID-19 является лёгочное повреждение, объем которого может быть достоверно оценен с применением компьютерной томографии (КТ), позволяющей визуализировать характерные для интерстициального воспаления и фиброза патологические участки «матового стекла» и лёгочной консолидации. При этом визуальный анализ экспертом единичного КТ-изображения не позволяет прогнозировать динамику состояния конкретного пациента — у больных с визуально сходной рентгенологической картиной при поступлении течение болезни в динамике может широко варьировать: от восстановления лёгочной ткани и регресса симптомов до стремительного увеличения объёма патологических очагов и резкого ухудшения состояния. В поиске предикторов тяжелого течения болезни могут помочь методы обработки медицинских изображений и искусственного интеллекта, в том числе радиомика – наука, занимающаяся количественным анализом текстурных особенностей тканей, которые называются биомаркерами изображений (БМИ). Поиск диагностически значимых БМИ на КТ легких при поступлении может быть использован для оценки риска тяжелого течения заболевания по данным КТ, выполненного при поступлении пациента.
Цель
Выявление диагностически значимых биомаркеров изображений на компьютерной томограмме легких.
Материалы и методы
В исследовании были использованы данные 550 пациентов, поступивших в Городскую клиническую больницу №52 города Москвы с диагнозом COVID-19. Обработка серий КТ-изображений, полученных при первичном обследовании пациентов, выполнялась в рабочей станции «Гамма Мультивокс» и включала автоматическую сегментацию патологических участков. Данные о пациенте вносились в специально разработанную информационную платформу для сбора и анализа клинических данных и изображений. С помощью открытой библиотеки PyRadiomics были вычислены 75 показателей радиомики для здоровых областей и для каждого типа патологических изменений: участков «матового стекла», плотного «матового стекла» и консолидаций. Показатели включали в себя статистики первого порядка (описывающие количественное распределение яркости вокселей) и текстурные характеристики, основанные на анализе полутоновых матриц смежности и равномерности (GLCM, GLSZM, GLRLM). Выборка была разделена на 2 группы: пациенты, находящиеся в течение всей госпитализации на самостоятельном дыхании с низкопоточной оксигенотерапией и без нее (n=320, возраст 63 [53; 71]), и пациенты, которым в ходе госпитализации потребовалась высокопоточная оксигенотерапия, НИВЛ или ИВЛ (n=230, возраст 63[56; 71]). Данные были проанализированы в RStudio с помощью непараметрических методов и многомерного статистического анализа.
Результаты
Проведение сравнительного анализа 300 признаков показало наличие достоверных статистических различий по 115 признакам (p<<0.001), при этом 60 из них относились к характеристикам участков, соответствующих здоровой легочной ткани. Несмотря на визуальную схожесть здоровых областей на КТ исследовании, среди пациентов с неблагоприятным прогнозом были отмечены более высокие показатели плотности ткани (Mean Absolute Deviation, Energy) и меньшая доля гомогенных участков (Correlation (↑ на 22%) и Cluster Shade (↑ на 93%) матрицы GLCM, Large Area High Gray Level Emphasis (↓ на 84%) матрицы GLSZM). Подобные изменения наблюдались и для участков «матового стекла», что может быть интерпретировано как их склонность к дальнейшему уплотнению и формированию очагов консолидации у пациентов, которым впоследствии потребовалась инициация ИВЛ. Корреляционный анализ позволил сократить признаковое пространство и отобрать 52 диагностически значимых признака, которые были использованы при разработке программы диагностики поражения легких при коронавирусе «Гамма Мультивокс Ковирус» компании ООО «Гаммамед-Софт» и НИИЯФ МГУ им. М.В. Ломоносова. Последующий комплексный анализ как радиологических, так и клинико-лабораторных показателей позволит разработать решающие правила по прогнозированию риска ухудшения состояния пациента, что позволит оптимизировать маршрутизацию и терапевтические стратегии на ранних этапах госпитализации.

Раздел: Презентации