急诊初始胸片与人工智能(AI)预测COVID-19患者临床结局:697例意大利患者分析
这项回顾性单中心研究纳入697例急诊科确诊SARS-CoV-2感染成人患者,评估初始胸片的人工智能(AI)系统评分与放射科医生RALE评分对死亡和危重型COVID-19的预测价值。多因素分析显示,AI评分≥30和RALE评分≥12均为独立且效能相当的预测因子,其他独立预测因素包括高龄、男性、冠心病、COPD和神经退行性疾病。
要点
- 急诊初始胸片AI评分≥30是死亡(HR 2.60)和危重型COVID-19(HR 3.40)的独立预测因子。
- RALE评分≥12与AI评分≥30对不良结局的预测效能相当。
- 其他独立预测因素包括高龄、男性、冠心病、COPD和神经退行性疾病。
核心结论
- 急诊就诊时胸片的AI评估疾病严重程度评分与放射科医生评估的RALE评分均为COVID-19患者不良结局的独立且效能相当的预测因子。
研究设计与样本
- 回顾性单中心研究,纳入2020年2月25日至4月9日急诊科就诊且RT-PCR确诊SARS-CoV-2感染的成人患者697例,中位年龄62岁(IQR 52-75),男性465例(66.7%);初始胸片由深度学习AI系统评估,并与两位经验丰富放射科医生计算的RALE评分比较;临床结局为死亡和危重型COVID-19(入住ICU或入住ICU前死亡);采用多因素分析评估独立预测因素。
诊断标准与关键数值
- AI系统评分≥30预测死亡HR 2.60(95%CI 1.69-3.99;p<0.001),预测危重型COVID-19 HR 3.40(95%CI 2.35-4.94;p<0.001);RALE评分≥12为独立预测因子,与AI评分≥30效能相当。
临床应用与阅片要点
- 原文结论指出,AI系统与放射科医生评估评分预测效能相当,可能在资源受限环境中改变游戏规则。
局限性
- 原文未报告局限性。
全文中译10 节 · 点击展开
引言
一种引起2019冠状病毒病(COVID-19)的新型冠状病毒——严重急性呼吸综合征冠状病毒2(SARS-CoV-2)于2019年12月在中国武汉首次被发现[1]。
COVID-19的严重并发症包括重症肺炎、急性呼吸窘迫综合征、多器官功能衰竭和死亡[2]。自首次发现以来,该病毒迅速在全球传播,感染超过1400万人,导致超过59万人死亡[3]。
随着COVID-19大流行持续使全球医疗系统不堪重负,迫切需要建立一个快速的大规模公共卫生监测和应对计划。实时逆转录聚合酶链反应(RT-PCR)仍是诊断的参考标准,但其高假阴性率、有限的检测能力和较长的周转时间阻碍了其有效性,很可能促进了感染在社区内的传播[4]。
在此背景下,胸部X线(CXR)和胸部计算机断层扫描(CT)的影像学作用可能变得至关重要,能够快速提供结果以指导分诊和临床管理[5]。
目前关于使用CXR诊断COVID-19的少数可用报告似乎指向这样一个事实:这种影像学方法在识别CT上可见的一些明显表现方面缺乏敏感性[6–9]。然而,在2003年SARS冠状病毒暴发期间,CXR影像学表现被发现与更差的临床结局相关[10–12],这与最近在年轻和中年成人COVID-19感染中的报道相似[13]。
在需要处理大量病例的资源受限环境中,如COVID-19大流行期间,人工智能(AI)可能有助于加快阅片时间,从而成为这些患者临床管理中的重要资产。最近一种用于检测COVID-19的AI系统被证明能够在CXR上识别COVID-19肺炎,其性能与六名独立放射科医师相当[14]。然而,AI在CXR上作为预后工具的作用尚未在COVID-19患者中进行评估。
综上所述,CXR的高度即时性和广泛可及性、与CT成像相比更低的交叉感染风险和低成本,以及成为一线分诊工具的潜力,值得进一步研究,以加深我们对影像学特征在COVID-19中预测作用的理解[5]。
在此背景下,本研究旨在识别和量化COVID-19的CXR表现,评估初始CXR严重程度与临床结局之间的关系,并评价AI系统作为COVID-19初始预后工具的应用。
方法
患者
本系列研究是COVID-19机构临床-生物学队列(COVID-BioB,ClinicalTrials.gov NCT04318366)的一部分,该队列在意大利米兰一家拥有1350张床位的三级学术医院评估COVID-19患者。本研究经伦理委员会(EC)批准(方案编号34/INT/2020)。所有操作均遵循1964年赫尔辛基宣言及其后续修订案;根据EC指南收集了所有患者的知情同意。
最初考虑纳入2020年2月25日至4月9日期间,因鼻咽拭子RT-PCR阳性而入住该机构急诊科(ED)的所有年龄≥18岁的连续患者。入院时获得胸部X线摄影(CXR)的患者被纳入研究。排除标准为住院期间获得感染的患者、从其他医院转入该机构或随后转至其他医院的患者,以及作为门诊患者RT-PCR阳性的患者。完整的排除流程图见图1。
临床数据收集
所有前瞻性收集的临床数据均从研究的专用电子数据库中回顾性提取。
临床结局(即死亡、入住重症监护病房(ICU)和出院)的事件发生时间从入院日期计算至事件发生日期;随访于2020年5月5日进行右删失。
临床结局类别定义为:(i)死亡(主要结局)和(ii)重型COVID-19,包括入住ICU的患者及入住ICU前发生的死亡。
影像数据收集与评估
常规胸部X线摄影(CXR)图像以后前位(PA)投照采集,对于无法站立的患者则以前后位(AP)投照采集。所有AP投照图像均使用便携式X线机采集,患者取仰卧位或坐位。
急诊就诊时获得的X线片由两名放射科医师(分别为F.D.C.和C.M.A.M.,分别具有30年和24年胸部影像学经验)审阅;通过共识达成一致。为尽量减少偏倚,审阅者除COVID-19阳性外不知晓临床数据。
评估以下影像学表现:磨玻璃影、实变、肺门增大和胸腔积液[15]。肺内磨玻璃影的分布按以下方式评估和分类:外周/肺门周围为主、上/下象限为主或无优势分布,以及双侧或单侧受累。
所有基线CXR上的肺部受累严重程度由深度学习人工智能(AI)系统(qXR v2.1 c2,Qure.ai Technologies)量化,并与放射科医师评估的评分进行比较。
qXR是一种获得CE认证的深度学习AI系统,基于一组卷积神经网络(CNN)训练,用于检测正位CXR上的多种特定异常(肋膈角变钝、心脏增大、空洞形成、实变、纤维化、肺门增大、结节、磨玻璃影和胸腔积液)。构成系统基本模块并检测单个异常的具体架构为带有挤压-激励模块的残差神经网络(ResNet)版本,并具有针对特定异常的修改。该AI系统可识别正常CXR,检测并定位可疑异常,以受累百分比形式提供结果,并在必要时报告预定义的标签。
该算法在来自不同地理位置的多个中心的230万张胸部X线摄影(CXR)图像集上进行了训练[16]。两个不同的数据集(分别包含超过89,000张和2000张不同的CXR)用于验证,另一组图像用于算法开发。一种经过验证的自然语言处理算法在最大的数据集中识别了原始放射学报告中所定义的异常,这些异常被认为是金标准。开发者报告称,以放射科医师的评估作为金标准,该算法检测特定异常的曲线下面积(AUC)在0.89至0.98之间;值得注意的是,实变的AUC为0.95(95% CI 0.92–0.98),磨玻璃影的AUC为0.94(95% CI 0.93–0.96)[16]。该算法还使用来自COVID-19阳性和COVID-19阴性患者的近期图像进行了额外调整[17]。
为本研究的目的,软件输出被个性化设置为仅报告实变和肺部磨玻璃影的范围。肺部受累的严重程度由AI系统计算为每侧肺中磨玻璃影或实变所涉及像素的百分比(截断值3%)。然后取两个数值的平均值((右肺受累百分比 + 左肺受累百分比)/2),即Qure AI“评分”,以反映总肺受累程度(最低评分0 = 无肺受累;最高评分100 = 双肺完全实变/实变),如图2所述。
随后由放射科医师使用肺水肿放射学评估(RALE)评分对相同的CXR进行评估,以量化肺部异常的严重程度[18]。每张CXR被分为四个象限,每个象限由一名放射科医师赋予一个评分,描述(i)磨玻璃影的范围(0–4;无、< 25%、25–50%、50–75%和> 75%受累)和(ii)磨玻璃影的密度(1–3;模糊、中等或致密)。最终评分(最高48分)通过将四个象限中每个象限的实变评分与密度评分的乘积求和获得。
统计分析
患者特征采用标准描述性统计学进行评估。以百分比表示的频率用于表达分类变量;中位数及相应的四分位距(IQR)用于连续变量。未对缺失数据进行插补。
为评估初始CXR的敏感性,放射学评分> 0被判定为阳性。
两个放射学评分之间的相关性采用Kendall秩相关检验进行评估。
在急诊科就诊时症状提示COVID-19持续< 7天或≥ 7天的患者,其基线CXR肺部磨玻璃影特征和放射学评分分别采用卡方检验和Mann-Whitney U检验进行比较;选择7天作为截断值是因为其为中位数。
通过受试者工作特征(ROC)曲线的曲线下面积(AUC)确定人工智能计算的总肺受累程度和放射科医师评估的RALE评分预测死亡率和重症COVID-19的能力。最佳截断值根据主要结局(死亡率)的最高约登指数值确定,并用于估计生存率和无ICU生存率的Kaplan-Meier曲线,通过log-rank检验进行比较。
使用包含性别和年龄的Cox比例风险模型(模型1)评估影像学评分与临床结局之间的关联。还使用了第二个更全面的Cox比例风险模型(模型2),该模型除模型1变量外还包括重要合并症或已知危险因素。效应估计以风险比(HR)及95%置信区间(CI)报告。
RALE或Qure AI评分与临床体征(考虑体温和PaO2/FiO2比值)之间的相关性根据变量的分布使用双尾Pearson相关或Kendall's tau进行评估。
进行双尾检验,p值< 0.05被认为具有统计学意义。
统计分析使用SPSS 26(SPSS Inc./IBM)和SAS 9.4版本进行。
结果
临床数据
共有697例患者纳入研究(表1):465例男性(66.7%),中位年龄62岁(IQR 52–75)。最常见的合并症为高血压(295例;42.3%),其次为糖尿病(117例;16.8%)、冠心病(86例;12.3%)、慢性肾脏病(55例;7.9%)、活动性肿瘤(38例;5.5%)、慢性阻塞性肺疾病(COPD)(34例;4.9%)和神经退行性疾病(33例;4.7%)。15例患者(2.1%)的合并症数据缺失。
在急诊科就诊时,中位体温为37.9 °C(IQR 37.0–38.5),中位PaO2/FiO2为290(IQR 214–337)。体温和PaO2/FiO2值分别有53例患者(7.6%)和90例患者(12.9%)缺失。从症状出现的中位时间为7天(IQR 4–10)。38例患者(5.5%)的症状出现数据缺失。45例患者(45/697,6.5%)首次RT-PCR拭子结果为阴性。
在最后观察截止日期,492例患者(70.6%)已出院(其中104例直接从急诊科出院),80例患者(11.5%)入住ICU,72例患者(10.3%)仍在住院,共133例死亡(总体19.1%;ICU内34例,病房内99例)。详见表2。
胸部X线图像分析
594张(85.2%)胸部X线片以AP投照获取(仰卧位(n = 493)或坐位(n = 101));其余103张(14.8%)放射照片以标准PA投照获取。关于 opacity 类型和分布,458例患者(65.7%)存在实变;144例患者(20.7%)仅有模糊影;517例患者(74.2%)可见双侧受累;89例患者(12.8%)仅为单侧受累。
325例(46.6%)患者以周边部磨玻璃影为主,70例(10.0%)以肺门周围为主;176例(25.3%)观察到下象限为主,而仅46例(6.6%)以上象限为主;189例(27.1%)未显示任何优势分布。150例(21.5%)发现肺门增大,而仅45例(6.5%)显示胸腔积液。
肺部受累的Qure AI和RALE评分中位数分别为29(IQR 11–44.5)和6(IQR 3–13)。Kendall秩检验显示两种影像学评分之间呈线性相关(r = 0.630,p < 0.0001)。11例(1.6%)患者因图像传输技术问题导致Qure AI评分缺失。
AI系统报告140例(20.4%)无受累,而RALE评分报告91例(13.1%)胸部X线片阴性(RALE评分 = 0);因此,灵敏度分别为79.6%和86.9%。没有患者的Qure AI评分处于下四分位数(Q1,评分 < 11)且RALE评分处于上四分位数(Q4,评分 > 13)。然而,仅有两例患者的RALE评分处于下四分位数(0和3)但Qure AI评分处于上四分位数(> 44;分别为46和44.5)。第一例是由于致密乳腺组织的存在,被AI系统解释为下方肺组织密度增高。第二例是一名大量单侧胸腔积液患者,被AI系统解释为广泛的肺实质实变。
在急诊就诊时首次RT-PCR阴性的45例患者中,8例被AI系统报告为无受累,5例被放射科医师评估评为阴性(RALE评分 = 0)。
Mann-Whitney U检验显示,急诊就诊时症状持续≥ 7天的患者与症状持续不足7天的患者相比,两种影像学评分均显著更高(Qure AI评分p = 0.031,RALE评分p = 0.014)。周边部优势分布是两组之间唯一有显著差异的影像学表现(p = 0.001)(表3)。
临床结局
关于两种评分预测结局的能力,ROC曲线分析确定的最佳截断值分别为Qure AI评分30(灵敏度76.9%,特异度58.8%)和RALE评分12(灵敏度57.9%,特异度77.0%)。对于死亡,AUC分别为0.66(Qure AI)和0.67(RALE);对于危重型COVID-19,AUC分别为0.77(Qure AI)和0.75(RALE)。
根据两种影像学评分所确定的截断值估计的生存率和无ICU生存率Kaplan-Meier曲线差异显著(log-rank检验:p < 0.0001)(图3、4、5和6)。
Qure AI评分≥ 30在用于死亡的两个模型中均为独立预测因子(模型1:HR 2.45(95% CI 1.61–3.74;p < 0.001),模型2:HR 2.60(95% CI 1.69–3.99;p < 0.001)),在用于危重型COVID-19的两个模型中亦均为独立预测因子(模型1:HR 3.39(95% CI 2.34–4.91;p < 0.001),模型2:HR 3.40(95% CI 2.35–4.94;p < 0.001))。RALE评分≥ 12在用于死亡的两个模型中均为独立预测因子(模型1:HR 2.34(95% CI 1.64–3.33;p < 0.001),模型2:HR 2.35(95% CI 1.63–3.39;p < 0.001)),在用于危重型COVID-19的两个模型中亦均为独立预测因子(模型1:HR 2.86(95% CI 2.11–3.88;p < 0.001),模型2:HR 2.87(95% CI 2.10–3.91;p < 0.001))。
急诊就诊时的体温与RALE或Qure AI评分无相关性。在急诊就诊时,COVID-19患者较高的基线评分与较低的PaO2/FiO2之间存在显著相关性(RALE评分 − 0.353;p < 0.001(Kendall's tau检验)和Qure AI评分 − 0.476;p < 0.001(Pearson检验))。
其他独立预测因素的完整结果见表4。
讨论
当前COVID-19放射学文献以CT为主,仅有少量报告描述了胸部X线片(CXR)的作用[6–9]。在本大流行初期,CT曾被提议作为一线检查;然而,该方法存在一些局限性[19]。事实上,它不仅增加了向医护人员和其他患者传播的风险,而且在没有专用COVID-19 CT扫描仪的环境中,扫描COVID-19患者后所需的必要净化程序显然会扰乱放射学服务的可用性。因此,Fleischner学会共识和美国放射学会对此方法持谨慎态度,后者建议使用CXR以尽量减少交叉感染的风险[5, 20–22]。考虑到所有这些因素,以及CXR广泛可用且已在急诊科常规获取的事实,提高我们对COVID-19 CXR放射学特征作用的认识是必要的。
在我们的队列中,放射学特征与其他报告一致;肺部阴影(实变和磨玻璃影)的分布通常为双侧、外周和基底部,胸腔积液病例有限[6, 8, 13]。
为评估基于深度学习的人工智能系统(qXR v2.1 c2,Qure.ai Technologies)预测COVID-19患者不良结局的能力,我们将其性能与RALE评分进行了比较,后者是一种具有极佳观察者间一致性的放射学评分,已被验证用于评估ARDS患者的严重程度和预测结局[18]。
在包括年龄、性别和合并症的多变量回归模型中,发现在急诊就诊时执行的初始胸部X线(CXR)上评估的这两个评分是独立的结果预测因子;Qure AI评分(截断值30)和RALE评分(截断值12)较高的患者更可能转为危重并出现致命结局。其他不良结局的独立预测因子包括高龄、男性、冠状动脉疾病、慢性阻塞性肺疾病(COPD)和神经退行性疾病。还观察到较高的基线CXR评分与较低的PaO2/FiO2之间的相关性。两个影像学评分的风险比相似,且大多高于临床危险因素的风险比。我们的结果证实了Toussie等人的结果,他们先前已验证使用初始CXR严重程度评分作为独立的结果预测因子,但是在更大的人群中进行的,该人群包括年龄较大的患者和更长的随访时间(至少25天),并具有显著数量的阴性结局事件[13]。在急诊就诊时的CXR上评估的肺部疾病严重程度是一个有价值的预后因素,医疗团队在分诊决策中应予以考虑。
除此之外,我们评估了使用人工智能(AI)系统预测COVID-19患者结局的情况。随着COVID-19大流行持续蔓延,AI系统在预测不良结局方面与放射科医生评估评分相当的表现,可能对资源受限的环境带来变革性影响,尤其是对那些放射学专业知识短缺的国家。通过AI系统快速评估肺部疾病严重程度并结合患者临床数据的可能性,可能有助于医疗团队在急诊就诊时立即识别不良结局风险较高的患者,从而更有效地分配有限资源。
本研究的主要局限性是回顾性设计,这可能导致观察者偏倚。另一个局限性是这项单中心研究是在意大利伦巴第地区应对COVID-19暴发的一线医院之一进行的,该地区使当地卫生系统承受严重压力,迫使对医院就诊指征作出限制。仅指示中重度临床状况者前往急诊就诊,而轻症患者被指示留在家中。这可能解释了我们队列中CXR的高敏感性(AI系统和放射科医生评估分别为79.6%和86.9%)。此外,将患者归入复合结局“危重COVID-19”的决定——该结局包括所有入住ICU的患者(n = 80)和在转入ICU前死亡的患者(n = 99)——可能导致结局之间的重叠。尽管如此,入院时CXR获得的评分能够预测SARS-CoV2阳性患者的死亡率,并可作为可重复、准确且明确的工具,用于在就诊时对患者进行分层并预测结局。此外,这项回顾性分析的结果必须在一个更大的人群中进行前瞻性验证和证实,该人群应包括轻症患者。最后,本研究仅考虑了初始CXR分析;需要对系列CXR分析进行进一步研究,以了解疾病进展与治疗反应的关系。
结论
我们的研究表明,由深度学习人工智能系统评估的初始胸部X线(CXR)严重程度可能对COVID-19患者具有预后价值,其表现与放射科医生评估的评分相当。在急诊科就诊时的CXR上,Qure AI评分≥30或RALE评分≥12是不良结局的独立且可比的预测因素。我们建议,在COVID-19患者的风险分层中应考虑急诊科就诊时的肺部疾病严重程度(即初始CXR上可见的磨玻璃影),尤其是在资源受限的环境中。
引用
- Mushtaq J, Pennella R, Lavalle S, et al. Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: analysis of 697 Italian patients. Eur Radiol. 2020. PMID: 32945968. doi:10.1007/s00330-020-07269-8
- 全文:PMC7499014(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7499014/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。