对COVID-19肺炎的CT量化程度,以预测个性化的结果

科学领域:

• 医疗成像和人工智能的人工智能
• 肺病学和重症监护医学
• 传染病流行病学 传染病流行病学

背景情况:

• 准确的预后评估COVID-19肺炎对于有效的患者管理至关重要.
• 医院资源和重症监护室 (ICU) 病床的有效组织取决于预测疾病严重程度.
• 早期识别高风险患者对于及时干预和资源分配至关重要.

研究的目的:

• 预测个人COVID-19患者在入院时的预后.
• 利用基于人工智能 (AI) 的计算断层扫描 (CT) 的量化来评估肺部的参与.
• 为了将CT衍生的肺部参与度与患者结果相关联.

主要方法:

• 559名PCR验证的COVID-19肺炎和严重疾病进程的患者的回顾性分析.
• 肺部卷入程度的CT测定与患者结局的相关性.
• 确定肺部干扰的截止值,以预测不同患者的结果.

主要成果:

• 基于CT的疾病程度量化是COVID-19患者发病率和死亡率的独立预测指标.
• 预后受年龄和心血管并发症的影响,除了肺部的参与.
• 定义的截止值 (<28%,28-47%,>47%) 将患者分为低风险,中等风险 (氧气治疗/通风) 和高风险 (死亡) 组.

结论:

• 以人工智能为基础的CT量化肺部参与有效预测COVID-19患者的结果.
• 这种人工智能驱动的方法在入院时提供了有价值的预后信息.
• 这些发现支持将人工智能集成到放射性评估中,以改善COVID-19患者分层.