AI Covid-19 algorithm

AI COVID-19Algorytm opracowany dzięki współpracy podmiotów i środowisk naukowo-medycznych.

Pandemia koronawirusa nadal się rozprzestrzenia, powodując niespotykane dotąd zakłócenia systemów opieki zdrowotnej i stawiając przed personelem medycznym na całym świecie nowe wyzwania kliniczne i operacyjne. Uważamy, że pandemia COVID-19 znacząco zmieni systemy opieki zdrowotnej. W szczególności stanie się katalizatorem rozwoju bardziej skutecznej, efektywnej, a przede wszystkim bardziej pacjentocentrycznej medycyny.

Koronawirusy (CoV) to duża rodzina wirusów, które powodują wiele chorób: od zwykłego przeziębienia do poważniejszych schorzeń, takich jak bliskowschodni zespół niewydolności oddechowej (MERS-CoV) i zespół ciężkiej ostrej niewydolności oddechowej (SARS-CoV). COVID-19 jest wywoływany przez koronawirusa SARS-Cov-2 i ma wskaźnik śmiertelności sięgający 4%1. Ze względu na skuteczne namnażanie się wirusa i wysoką zakaźność choroby, narzędzia do szybkiego testowania i diagnostyki są niezbędne do monitorowania rozwoju pandemii i zmniejszenia prędkości jej rozprzestrzeniania się.

Siemens Healthineers rozumie pilność i złożoność sytuacji, w jakiej znajdują się świadczeniodawcy medyczni. Dlatego wspólnie z naszą siecią badawczą i innymi partnerami opracowaliśmy algorytm CT Pneumonia Analysis2

COVID-19: Wyzwanie w diagnostyce i planowaniu terapii

Diagnozę COVID-19 potwierdza się za pomocą reakcji łańcuchowej polimerazy z odwrotną transkrypcją (RT-PCR)3 – techniki laboratoryjnej pozwalającej wykrywać materiał genetyczny dowolnych patogenów, w tym wirusów. Czułość tego testu może wynosić nawet poniżej 60-70%4, powodując fałszywie negatywny wynik w pierwszych dniach od infekcji. W najgorszym przypadku zakażeni pacjenci mogą być wówczas odsyłani do domów, potencjalnie zarażając osoby ze swego otoczenia. Ponadto niedobory zestawów testowych mogą przyczyniać się do niewykrywanego rozprzestrzeniania się wirusa.

Dyskusja o roli CT i RTG w diagnostyce COVID-19 już się zaczęła, a dwa wstępne badania5 wykazały, że obrazowanie płuc poprzez CT klatki piersiowej zapewnia lepszą czułość w porównaniu z RT-PCR u pacjentów z podejrzeniem COVID-19. Podstawowymi cechami widocznymi na płucach dotkniętych COVID-19 są ogniska obwodowe lub wieloogniskowe obszary „matowej szyby”, konsolidacje i obrazy „kostki brukowej”.

  • obszary „matowej szyby” w obwodowej i tylnej części płuc na obrazach CT wskazują na zapalenie płuc COVID-19
  • CT może odgrywać ważną rolę w diagnostyce COVID-19, zapewniając zaawansowane dowody kliniczne

Tomografia komputerowa klatki piersiowej bez kontrastu okazała się przydatna nie tylko do wykrywania, oceny nasilenia i monitorowania postępu choroby, ale także do prognozy, jak pacjent zareaguje na dostępne terapie. Podobne wyniki można osiągnąć za pomocą RTG klatki piersiowej, które mogą być przydatne w śledzeniu postępu choroby i efektów leczenia.

Współpraca w odpowiedzi na złożone wyzwanie

Nasz cel, aby poprzez innowacje umożliwiać ludziom dłuższe i zdrowsze życie, nigdy nie był bardziej aktualny. Zespoły ekspertów Siemens Healthineers i naszych partnerów rozumieją pilność i złożoność obecnej sytuacji. Dlatego postanowiliśmy skupić się na wspólnym rozwijaniu nowego algorytmu, który ułatwi walkę z pandemią COVID-19. Za współpracę i bezcenny wkład dziękujemy:Z wdzięcznością przywitamy także te instytucje, które dołączą do naszego projektu w przyszłości.

  • Hôpital Foch – Paryż
  • Northwell Health – Nowy Jork
  • University Hospital Basel, Clinic of Radiology & Nuclear Medicine – Bazylea
  • Vancouver General Hospital – Vancouver
  • Clínica Universidad de Navarra – Navarra
  • Health Time – Jaén (Hiszpania)
  • Houston Methodist – Houston
  • i wielu innym szpitalom z pierwszej linii.

Z wdzięcznością przywitamy także te instytucje, które dołączą do naszego projektu w przyszłości.

Dzięki połączeniu potencjału naszego wyjątkowego zespołu badawczo-rozwojowego ds. AI w Princeton, centrum rozwoju oprogramowania w Bangalore, ekspertów tomografii komputerowej w Forchheim, naszych partnerów w Paryżu i naszego superkomputera Sherlock poszerzyliśmy nasze portfolio produktów opartych na sztucznej inteligencji o algorytm skoncentrowany na obrazowaniu TK. Będziemy mogli jeszcze skuteczniej jako partner wspierać świadczeniodawców w dostarczaniu efektywnej opieki medycznej dzięki algorytmowi analizy obrazu zapalenia płuc.

 

W jaki sposób sztuczna inteligencja wspomaga radiologów w kontekście COVID-19?

Aby lepiej leczyć COVID-19, musimy szybko zgromadzić jak największą wiedzę na temat nowego koronawirusa. Włączenie diagnostyki radiologicznej do procesu potwierdzania COVID-19 zwiększyło obciążenia radiologów. Coraz więcej przypadków musi być przeanalizowanych, opisanych i skierowanych na ścieżki kliniczne o odpowiednim priorytecie. Wsparcie ze strony sztucznej inteligencji zdejmie z radiologów część tych zadań, pozwalając zwiększyć szybkość i dokładność diagnozy.

  • Ludzka wydajność i dokładność spadają w wyniku przeciążenia pracą. Automatyzacyjny potencjał sztucznej inteligencji będzie dużym wsparciem.
  • Sztuczna inteligencja może bardzo skutecznie wspomagać rozpoznawanie zmian chorobowych na obrazach CT, klasyfikując wyniki ilościowo i porównując badania pacjenta z różnych momentów, co jest kluczowe dla precyzyjnej, zindywidualizowanej terapii.
  • Sztuczna inteligencja dostarcza klinicystom danych kluczowych dla triażu pacjentów, diagnozy (w połączeniu z testami RT-PCR i analizą ryzyka epidemiologicznego), oceny ciężkości stanu, śledzenia przebiegu choroby czy monitorowania, jak pacjent reaguje na zastosowane terapie.

Jak działa CT Pneumonia Analysis2?

Algorytm na potrzeby badawcze automatycznie identyfikuje i kwantyfikuje widoczne w obrazie tomograficznym nieprawidłowości w obrębie płuc. Opierając się na wykonanej bez podawania kontrastu tomografii komputerowej klatki piersiowej, system identyfikuje i wyodrębnia w 3D płuca i ich płaty oraz nieprawidłowości. System oblicza następnie dwa dwuskładnikowe wskaźniki stopnia zajętości całego płuca i poszczególnych płatów, kalkulując objętość zmian wywołanych COVID-19 i ilość obszarów „matowego szkła”, które korelują z najcięższymi objawami. Pierwszy wskaźnik jest globalny, drugi dotyczy danego płata.

  • Procent zacienienia (PO - Percentage of Opacity): estymowana objętość zmian jako procent całkowitej objętości płuc
  • Procent wysokiego zacienienia (PHO - Percentage of High Opacity): estymowana objętość obszarów „matowego szkła” (wysokiego zacienienia) jako procent łącznej objętości zmian
  • Skala zaawansowania (LSS - Lung Severity Score): rozległość nieprawidłowości w obrębie płata
  • Skala wysokiego zacienienia (LHOS - Lung High Opacity Score): rozległość nieprawidłowości z wysokim zacienieniem („matowym szkłem”) w obrębie płata
covid-19 lungs

Tak obliczone wskaźniki mogą być użyte do oceny ciężkości choroby i monitorowania zmian u pacjentów z objawami COVID-19.

Skuteczność algorytmu w obliczaniu PO, LSS, PHO i LHOS przetestowano na bazie 100 przypadków COVID-19 i 100 przypadków kontrolnych z wielu szpitali kanadyjskich, europejskich i amerykańskich. Punktem odniesienia były kalkulacje tych wskaźników dokonane na podstawie wykonanych przez radiologów opisów płuc, płatów i zmian.

dr François MELLOT – Hôpital FOCH – szef oddziału radiologii - Suresnes – Francja
Oprogramowanie błyskawicznie rozwinięte przez Siemens Healthineers okazało się bardzo przydatne do oceny stopnia i zlokalizowania zapalenia płuc wywołanego koronawirusem. Narzędzie jest bardzo łatwe w użyciu i pozwala osobno obliczać ilość zmian typu „matowe szkło” i innych zagęszczeń tkanki. 6

prof. Philippe GRENIER, szef zespołu ds. wdrażania i rozwoju technologii sztucznej inteligencji – Hôpital FOCH – Suresnes – Francja
Automatyczna kwantyfikacja wynikających z COVID-19 zmian widocznych na obrazach TK klatki piersiowej, którą umożliwia oparte na sztucznej inteligencji oprogramowanie Siemens Healthineers, stała się bardzo cennym wsparciem dla radiologów. Po zastosowaniu systemu w ponad stu badaniach pacjentów z zapaleniem płuc wywołanym przez koronawirusa możemy stwierdzić, że to narzędzie efektywne, precyzyjne i łatwe w obsłudze. Było ono wyczekiwane tym bardziej, że istnieje paląca potrzeba kalkulowania ciężkości i rozległości zapalenia płuc COVID-19 w sposób zuniformizowany – jest to konieczne dla badań klinicznych nad różnymi metodami leczenia COVID-19. 6

Dowiedz się więcej o wymaganiach systemowych i bezpłatnie zastosuj algorytm CT Pneumonia Analysis2 w swoich badaniach naukowych.

Aby maksymalnie ułatwić korzystanie z naszego nowego algorytmu, udostępniamy go za pośrednictwem naszych stosowanych już w innych procedurach systemów czytania i opisu skanów.

syngo.via openApps CT Pneumonia Analysis:
Dzięki OpenApps, syngo.via łączy się z Siemens Healthineers Digital Marketplace i dostępnymi tam innowacyjnymi programami. Z tego zintegrowanego rozwiązania, pozwalającego organizować i poznawać aplikacje od Siemens Healthineers i innych dostawców, można korzystać bezpośrednio z platformy syngo.via. Wystarczy kliknąć ikonę koszyka w prawym górnym rogu syngo.via w wersji VB30A lub nowszej. Licencja Frontier nie jest wymagana, aby uzyskać dostęp do prototypu CT Pneumonia Analysis.

syngo.via Frontier CT Pneumonia Analysis: syngo.via Frontier pozwala budować pozycję merytorycznego lidera dzięki dostępowi do wielu prototypowych aplikacji obróbki obrazu, płynnie zintegrowanych ze znajomym środowiskiem syngo.via. Prototyp CT Pneumonia Analysis2 znajduje się w specjalnym sklepie syngo.via Frontier Prototype Store, stale wzbogacanym o nowe produkty.
AI-Rad Companion Research CT Pneumonia2 Analysis: AI-Rad Companion, nasza rodzina opartych na sztucznej inteligencji i funkcjonujących na platformie teamplay rozwiązań wspierających pracę radiologów, pomaga zmniejszyć ich obciążenie powtarzającymi się zadaniami i może zwiększyć dokładność diagnostyczną. Dzięki algorytmom sztucznej inteligencji AI-Rad Companion automatycznie obrabia zestawy danych obrazowych. Automatyzacja rutynowych przepływów pracy z powtarzającymi się zadaniami i dużymi ilościami badań pozwala skupić się na najbardziej złożonych kwestiach.

Algorytmy AI mogą wychwytywać oznaki COVID-19 w klinicznych RTG klatki piersiowej, poza kontekstem badawczym

Sztuczna inteligencja może być ważnym wsparciem pracy radiologa. AI-Rad Companion Chest X-ray6, nowość w rodzinie produktów AI-Rad Companion, to kolejne rozwiązanie, w którym głębokie uczenie maszynowe służy wyspecjalizowanym celom. AI-Rad Companion Chest X-ray7 automatycznie opisuje wyniki RTG płuc (projekcja tylno-przednia w pozycji stojącej).
Aplikacja funkcjonuje jako drugi lub trzeci członek konsylium, wspierając radiologów w rozpoznaniu różnicowym i decyzjach klinicznych. Potrafi zdiagnozować odmę opłucnową, zmiany płucne (guzki, masy, ziarniniak), niedodmę, konsolidacje i wysięk opłucnowy. Niedodmę i konsolidacje często stwierdza się u pacjentów z objawami zapalenia płuc wywołanego przez wirusa SARS-CoV-2.

1

2

3

4

5

6

7