Uso de aprendizado de máquina para avaliar a utilidade prognóstica de recursos radiômicos para

Sep 03, 2023

Scientific Reports volume 13, Número do artigo: 7318 (2023) Citar este artigo

350 Acessos

2 Altmétrica

Detalhes das métricas

Como as radiografias de tórax portáteis são um meio eficiente de triagem de casos emergentes, seu uso levantou a questão de saber se a imagem traz utilidade prognóstica adicional para a sobrevivência entre pacientes com COVID-19. Este estudo avaliou a importância de fatores de risco conhecidos na mortalidade intra-hospitalar e investigou a utilidade preditiva de características de textura radiômica usando várias abordagens de aprendizado de máquina. Detectamos melhorias incrementais no prognóstico de sobrevida utilizando características de textura derivadas de radiografias de tórax emergentes, particularmente entre pacientes mais velhos ou aqueles com maior carga de comorbidades. Características importantes incluíam idade, saturação de oxigênio, pressão arterial e certas condições comórbidas, bem como características de imagem relacionadas à intensidade e variabilidade da distribuição de pixels. Assim, radiografias de tórax amplamente disponíveis, em conjunto com informações clínicas, podem ser preditivas de resultados de sobrevida de pacientes com COVID-19, especialmente pacientes mais velhos e mais doentes, e podem auxiliar no manejo da doença, fornecendo informações adicionais.

O COVID-19 resultou em mais de oitenta e cinco milhões de casos e mais de um milhão de mortes nos Estados Unidos1. Com preocupações contínuas de ressurgimentos futuros2,3 e em um esforço para melhorar o tratamento e o manejo de pacientes infectados, os métodos baseados em princípios para estratificação de risco e prognóstico de sobrevida são extremamente importantes4,5. Os primeiros relatórios delinearam orientações diagnósticas para avaliar anormalidades da radiografia de tórax em departamentos de emergência, incluindo opacidades reticulonodulares irregulares ou difusas em "vidro fosco" (GGOs) e consolidação com predominância basal, periférica e bilateral6,7. Estudos recentes defendem o uso de radiografias de tórax na classificação de pacientes com COVID-198,9 por meio de sistemas de pontuação, como o escore Brixia específico para COVID, que classifica o envolvimento pulmonar em uma escala de 0 a 18 ou porcentagem de envolvimento pulmonar10, 11,12. Embora as abordagens automatizadas para classificação de doenças tenham alcançado uma precisão diagnóstica alta (> 90%)13, há uma escassez de pesquisas usando recursos radiômicos para prever resultados clínicos para pacientes internados com COVID-19 devido à sua natureza multidimensional e heterogênea, bem como como indisponibilidade de dados14. A utilidade adicional de tais recursos para prever a mortalidade intra-hospitalar, além dos fatores de risco clínicos, é amplamente desconhecida14.

O Sistema de Saúde da Universidade de Michigan (ou Michigan Medicine), como um dos principais centros regionais que gerenciam o atendimento de pacientes com COVID-19 durante a pandemia, coletou uma grande quantidade de dados de imagens de raios-X, além de dados demográficos e clínicos , por meio do Registro Eletrônico de Saúde (PEP)15,16. A radiografia de tórax portátil, com sua disponibilidade e facilidade de uso, tem sido rotineiramente utilizada para monitorar pacientes com necessidade de atendimento de urgência na Michigan Medicine, mesmo antes da pandemia17. No entanto, a análise das imagens de radiografia de tórax é complicada pela estrutura dos dados, principalmente no cenário de COVID-1918. Aproveitando as técnicas de aprendizado de máquina, propusemos um fluxo de trabalho para a extração e seleção de recursos de imagens de raios-X relacionadas ao COVID. Ao usar informações de sobrevivência diretamente, nossa estrutura decompõe imagens brutas em recursos de textura e identifica os recursos mais relacionados à mortalidade por COVID-19. Usamos várias técnicas de aprendizado de máquina para avaliar a previsibilidade de fatores demográficos e clínicos e os recursos de textura radiômica na mortalidade intra-hospitalar, um endpoint primário para pacientes hospitalizados com COVID-1919. As análises de subgrupos revelaram que as imagens de radiografia de tórax ofereceram mais utilidade prognóstica para pacientes vulneráveis ​​(por exemplo, mais velhos ou mais doentes).

Dos 3.313 pacientes hospitalizados com radiografias, analisamos um total de 3.310 pacientes com imagens ântero-posteriores ou póstero-anteriores, que forneceram visões nítidas dos pulmões; excluídos foram apenas três pacientes cujos raios-X forneceram visões pouco claras e não puderam ser analisados. Durante o seguimento, observamos 590 (17,8%) óbitos intra-hospitalares e 20 (0,6%) altas hospitalares. A idade mediana foi de 61 anos (intervalo interquartil: 46-73) anos, e a maioria dos pacientes era do sexo masculino (56%), com uma super-representação de pacientes negros (21%) em comparação com a população circundante. A frequência respiratória mediana foi de 18,8 (17,5–21,7) respirações por minuto e a saturação mediana de oxigênio foi de 95,5% (94,0–97,2%). Houve uma alta proporção de pacientes com arritmias cardíacas (70%), hipertensão (70%) e distúrbios hidroeletrolíticos (70%) na admissão (Suplemento E). Sete características radiômicas e sete características clínicas foram incluídas no modelo final.