NAT BME:使用开放性肺炎患者临床数据资源,通过深度学习预测COVID-19预后
2020-12-29 MedSci原创 MedSci原创
对COVID-19肺炎患者进行早期诊断并及时治疗,对于控制疫情,是非常重要的。然而,因为有限的医疗资源和大量感染的患者,这通常会导致医疗决策(如隔离或住院)的时间过长,这可能增加交叉感染的机会并影响预
对COVID-19肺炎患者进行早期诊断并及时治疗,对于控制疫情,是非常重要的。然而,因为有限的医疗资源和大量感染的患者,这通常会导致医疗决策(如隔离或住院)的时间过长,这可能增加交叉感染的机会并影响预后效果。虽然COVID-19确诊依赖于通过逆转录定量PCR(RT-PCR)检测SARS-CoV-2 RNA,但该检测已被发现具有高特异性而且敏感性较低(Sn),报告的阳性率为38-57%。除了病原学实验室确认外,其他有助于确定COVID-19肺炎的关键诊断要素包括临床特征(CFs)和胸部计算机断层扫描(CT)图像。研究已经开始揭示相关的CFs,包括COVID-19的症状,如发烧、干咳、肌痛和呼吸短促。据报道,感染肺部的胸部CT影像学特征包括毛玻璃样混浊(GGO)和严重程度相关的强化。综合考虑上述诊断要素的特征,可以共同提高诊断的准确性和有效性。第一手CT和临床数据集的可用性对于指导临床决策、提供信息以加深对这种病毒感染的理解至关重要,为系统建模提供依据,以便于早期诊断和及时的医疗干预。实现这一目标的一个途径是建立一个开放获取和全面的资源,其中包括每个病人的胸部CT图像和CFs,以促进国际上共同努力,抗击COVID-19肺炎。
本文准备了两个队列,分别包括1170人和351人,分别是实验室确认的COVID-19患者、COVID-19阴性(对照)患者和疑似COVID-19患者,。1521例患者的临床发病率结果分为:(1)894例确诊为COVID-19,肺炎严重程度从轻度(24例,2.7%)、常规(596例,66.7%)、重度(202例,22.6%)到危重(72例,8.1%)不等;(2)328例COVID-19阴性(作为对照组处理)和(3)299例疑似COVID-19病例。并收集了他们相应的胸部CT图像,CFs和SARS-CoV-2实验室测试结果。
开发了一个以病人为中心的资源,命名为COVID-19的整合CT图像和CFs(iCTCF)来存档和共享丰富的数据。从1342名有胸部CT数据的受试者中导出了364357张JPEG格式的CT片,其中313名对照组的82239张(22.6%),21名轻度患者的3704张(1.0%),543名正常者的137512张(37.7%),56张,170例重症患者132例(15.4%)和35例重症患者8911例(2.4%),260例疑似COVID-19患者75859例(20.8%)。治愈病例共获得164998个CT切片,死者共获得4935个CT切片。CF资料分为基础资料、血常规、炎症试验、凝血试验、生化试验、免疫细胞分型、细胞因子分型、自身免疫试验、尿常规9大类130个类型。
使用队列1,整合了高度异质性的CT和CF数据集,用于无偏预测COVID-19患者(HUST-19)临床结果,包括发病(定义为轻度或常规型(I型)和重度或危重型(II型))和死亡率结果。对于发病结果,HUST-19曲线下面积(AUC)值分别为0.978、0.921和0.931,用于预测阴性病例(对照)、轻度或常规(I型)和重症或危重症(II型)患者。使用队列2作为验证数据集来评估HUST-19,其准确率一直令人满意。对于死亡率结果,本文将两个队列合并,得出预测死亡病例的AUC值为0.856。利用HUST-19对队列1中的299例疑似病例进行了回顾性分析,预测了207例潜在的Ⅰ型病例和71例潜在的Ⅱ型病例。
iCTCF和HUST-19适用于中国以外的地区。iCTCF数据库信息丰富、可靠,可作为COVID-19诊断和临床管理的重要资源。
Ning, W., Lei, S., Yang, J. et al. Open resource of clinical data from patients with pneumonia for the prediction of COVID-19 outcomes via deep learning. Nat Biomed Eng 4, 1197–1207 (2020). https://doi.org/10.1038/s41551-020-00633-5
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#Nat#
58
#临床数据#
78
很好,学到了很多东西
122
学习了
127
更新及时,很好的课程,继续努力💪
99