Розробка програм на основі штучного інтелекту для діагностики міокардиту при COVID-19 за даними компʼютерної томографії грудної клітки

  • Є. А. Настенко ДУ «Національний інститут серцево-судинної хірургії імені М. М. Амосова НАМН України», м. Київ, Україна; Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», м. Київ, Україна https://orcid.org/0000-0002-1076-9337
  • М. О. Гончарук Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», м. Київ, Україна https://orcid.org/0000-0003-1537-4198
  • В. О. Бабенко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», м. Київ, Україна https://orcid.org/0000-0002-8433-3878
  • М. І. Линник ДУ «Національний науковий центр фтизіатрії, пульмонології та алергології імені Ф. Г. Яновського НАМН України», м. Київ, Україна https://orcid.org/0000-0002-0011-7482
  • В. І. Ігнатьєва ДУ «Національний науковий центр фтизіатрії, пульмонології та алергології імені Ф. Г. Яновського НАМН України», м. Київ, Україна https://orcid.org/0000-0003-0604-4349
  • В. А. Ячник ДУ «Національний науковий центр фтизіатрії, пульмонології та алергології імені Ф. Г. Яновського НАМН України», м. Київ, Україна https://orcid.org/0000-0003-0424-1947
DOI: https://doi.org/10.30702/ujcvs/24.32(03)/NH052-5865
Ключові слова: COVID-19, аналіз медичних зображень, текстурний аналіз, моделювання, штучний інтелект, машинне навчання, ансамблеві методи

Анотація

Пацієнти (7,2 %), госпіталізовані з коронавірусною хворобою (COVID-19), мають прояви серцевих захворювань, з них у 23 % діагностують серцеву недостатність. Наразі бракує даних про використання комп’ютерної томографії (КТ) грудної клітки для діагностики міокардиту, пов’язаного із захворюванням на COVID-19.

Мета – обґрунтувати можливість та розробити класифікаційні моделі для діагностики міокардиту в пацієнтів з COVID-19 на основі обробки даних компʼютерної томографії грудної клітки.

Матеріали та методи. Проведено ретроспективний аналіз даних 140 пацієнтів, хворих на COVID-19. Компʼютерну томографію органів грудної клітки аналізували за допомогою програмного забезпечення Dragonfly, з дозволу компанії Object Research Systems. Для побудови класифікаційних моделей використано базу даних COVID-CT-MD, яка включає дані КТ 169 підтверджених випадків інфікування SARS-CoV-2. Зонами інтересу були фрагменти КТ зображень серця. Для створення діагностичних моделей були використані методи текстурного аналізу.

Результати. Зазначено, що стандартні методи виявляють міокардит лише у 7,1 % випадків. Показано, що середня щільність міокарда пацієнта з підтвердженим діагнозом SARS-CoV-2 за шкалою Хаунсфілда не відрізняється від денситометричних показників здорової людини. Тому увагу дослідження було зосереджено на пошуку структурних змін КТ-зображень з метою їх використання для побудови діагностичних моделей.

Застосування різноманітних класифікаційних алгоритмів справляло незначний вплив на точність класифікації, ймовірно, через інформаційний вміст вхідних даних. Проте отримана точність діагностичних моделей є прийнятною та дозволяє використовувати їх для підтримки прийняття медичних рішень щодо діагностики й лікування.

Висновки. За допомогою стандартних методів, у пацієнтів з тяжкою пневмонією, спричиненою коронавірусом, міокардит діагностували у 7,1 % випадків. Дані світового досвіду практично збігаються із даними власних клінічних досліджень. Отримані результати дали змогу оцінити структурні зміни в міокарді, характерні для гострої форми інфекції SARS-CoV-2. Побудовані класифікаційні моделі вказують на те, що специфічні зміни міокарда при гострій формі SARS-CoV-2 можна ідентифікувати за допомогою компʼютерної томографії. Найвища діагностична точність на тестових вибірках досягала 74 %. Впровадження розроблених діагностичних програм на базі аналізу текстури даних КТ та технологіях штучного інтелекту дозволяє проводити діагностику міокардиту й оцінювати довгострокову ефективність лікування. Створення розроблених діагностичних програм з використанням технологій штучного інтелекту значно спрощує роботу лікарів променевої діагностики та підвищує ефективність діагностики міокардиту у хворих із SARS-CoV-2-інфекцією.

Посилання

  1. Puntmann VO, Carerj ML, Wieters I, Fahim M, Arendt C, Hoffmann J, et al. Outcomes of Cardiovascular Magnetic Resonance Imaging in Patients Recently Recovered From Coronavirus Disease 2019 (COVID-19). JAMA Cardiol. 2020;5(11):1265-1273. https://doi.org/10.1001/jamacardio.2020.3557
  2. Zheng YY, Ma YT, Zhang JY, Xie X. COVID-19 and the cardiovascular system. Nat Rev Cardiol. 2020;17(5):259-260. https://doi.org/10.1038/s41569-020-0360-5
  3. Imazio M, Klingel K, Kindermann I, Brucato A, De Rosa FG, Adler Y, et al. COVID-19 pandemic and troponin: indirect myocardial injury, myocardial inflammation or myocarditis? Heart. 2020;106(15):1127-1131. https://doi.org/10.1136/heartjnl-2020-317186
  4. Babapoor-Farrokhran S, Gill D, Walker J, Rasekhi RT, Bozorgnia B, Amanullah A. Myocardial injury and COVID-19: Possible mechanisms. Life Sci. 2020;253:117723. https://doi.org/10.1016/j.lfs.2020.117723
  5. Tavazzi G, Pellegrini C, Maurelli M, Belliato M, Sciutti F, Bottazzi A, et al. Myocardial localization of coronavirus in COVID-19 cardiogenic shock. Eur J Heart Fail. 2020;22(5):911-915. https://doi.org/10.1002/ejhf.1828
  6. Xu Z, Shi L, Wang Y, Zhang J, Huang L, Zhang C, et al.Pathological findings of COVID-19 associated with acute respiratory distress syndrome. Lancet Respir Med. 2020;8(4):420-422. https://doi.org/10.1016/S2213-2600(20)30076-X
  7. Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet. 2020;395(10223):497-506. https://doi.org/10.1016/s0140-6736(20)30183-5
  8. Ruan Q, Yang K, Wang W, Jiang L, Song J. Clinical predictors of mortality due to COVID-19 based on an analysis of data of 150 patients from Wuhan, China. Intensive Care Med.2020;46(5):846-848. https://doi.org/10.1007/s00134-020-05991-x
  9. Liu PP, Blet A, Smyth D, Li H. The Science Underlying COVID-19: Implications for the Cardiovascular System. Circulation. 2020;142(1):68-78. https://doi.org/10.1161/CIRCULATIONAHA.120.047549
  10. Ferreira VM, Schulz-Menger J, Holmvang G, Kramer CM, Carbone I, Sechtem U, et al. Cardiovascular Magnetic Resonance in Nonischemic Myocardial Inflammation: Expert Recommendations. J Am Coll Cardiol. 2018;72(24):3158-3176. https://doi.org/10.1016/j.jacc.2018.09.072
  11. Driggin E, Madhavan MV, Bikdeli B, Chuich T, Laracy J, Biondi-Zoccai G, et al. Cardiovascular Considerations for Patients, Health Care Workers, and Health Systems During the COVID-19 Pandemic. J Am Coll Cardiol. 2020;75(18):2352-2371. https://doi.org/10.1016/j.jacc.2020.03.031
  12. Society for Cardiovascular Magnetic Resonance. SCMR’S COVID-19 Preparedness Toolkit. SCMR;2024 [cited 2024 Jul 31]. Available from: https://scmr.org/page/COVID19
  13. Afshar P, Heidarian S, Enshaei N, Naderkhani F, Rafiee MJ, Oikonomou A, et al. COVID-CT-MD, COVID-19 computed tomography scan dataset applicable in machine learning and deep learning. Sci Data. 2021;8(1):121. https://doi.org/10.1038/s41597-021-00900-3
  14. Haralick RM, Shanmugam K, Dinstein I. Textural Features for Image Classification. IEEE Trans Syst Man Cybern. 1973;SMC-3(6):610-621. https://doi.org/10.1109/tsmc.1973.4309314
  15. Honcharuk M, Nastenko I, Linnik M. [The effectiveness of the use of computed tomography and modern information technologies in detecting structural changes of the heart in the acute form of COVID-19]. Biomedical Engineering and Technology. 2024;(14):47-53. Ukrainian. https://doi.org/10.20535/2617-8974.2024.14.304054
  16. BabenkoV, Nastenko I, Pavlov V, Horodetska O, Dykan I, Tarasiuk B, et al. Classification of Pathologies on Medical Images Using the Algorithm of Random Forest of Optimal-Complexity Trees. Cybern Syst Anal. 2023;59:346-358. https://doi.org/10.1007/s10559-023-00569-z
  17. Svitailo VS, Chemych MD, Saienko OS. [Long-covid and associated injuries of the cardiovascular and nervoussystems]. Infectious Diseases. 2022;(4):49-54. Ukrainian. https://doi.org/10.11603/1681-2727.2022.4.13701
Опубліковано
2024-09-27
Як цитувати
1.
Настенко ЄА, Гончарук МО, Бабенко ВО, Линник МІ, Ігнатьєва ВІ, Ячник ВА. Розробка програм на основі штучного інтелекту для діагностики міокардиту при COVID-19 за даними компʼютерної томографії грудної клітки. ujcvs [інтернет]. 27, Вересень 2024 [цит. за 21, Грудень 2024];32(3):58-5. доступний у: https://cvs.org.ua/index.php/ujcvs/article/view/671
Номер
Український журнал серцево-судинної хірургії Том 32 № 3 2024
Розділ
ПАТОЛОГІЯ МІОКАРДА ТА СЕРЦЕВА НЕДОСТАТНІСТЬ