Ricercatori russi, iraniani e statunitensi si sono chiesti come distinguere rapidamente tra un edema determinato da una polmonite da Covid-19 e uno causato da una polmonite di altra natura.
La questione è di non poco conto, perchĂ© un edema da polmonite non Covid può beneficiare di farmaci che in soggetti con Covid-19 possono peggiorare il decorso clinico. Inoltre, occorre considerare che soprattutto in soggetti fragili, ospedalizzati o comunque con comorbiditĂ , può anche persistere la coesistenza di un’infezione da Covid-19 e di un’altra che è causa di polmonite.
In uno studio dei ricercatori hanno presentato un modello di intelligenza artificiale, basato su machine learning, che differenzierebbe in modo automatico tra i sintomi da Covid-19 e l’edema polmonare. Il modello EDECOVID-net analizza le feature radiomiche presenti in scansioni TC dei polmoni. Cosa interessante, il metodo funziona su pazienti con sintomi lievi accreditabili a Covid e, quindi, può cogliere l’avvio del problema polmonare al suo inizio, dando utili indicazioni di trattamento ai clinici.
Il metodo è stato sviluppato includendo nello studio 254 pazienti Covid positivi e 163 pazienti con edema, tutti sottoposti a TC polmonare. In tutto gli autori hanno avuto a disposizione 13.717 immagini sulle quali sviluppare il proprio modello predittivo: 5.759 con Covid e 7.958 sono con edema.
Entrambi i dataset sono stati suddivisi in tre ulteriori gruppi, uno per l’allenamento del modello, un altro per il test di funzionalitĂ e l’ultimo per la validazione. Il modello proposto si è dimostrato capace di distinguere tra le caratteristiche radiomiche dei due gruppi con una AUC del 0.994, valore molto elevato.
Non soddisfatti, gli autori hanno confrontato le capacitĂ di EDECOVID-net con quelle di altri metodi in uso: dai risultati sembrerebbe che il primo sia piĂą efficiente nel discriminare tra pazienti con edema polmonare da Covid e pazienti con edema di altro tipo, in termini sia di precisione sia di accuratezza e specificitĂ .
Dati questi risultati, gli autori suggeriscono il modello come metodo diagnostico, da usare in contemporanea o prima del test molecolare, che richiede ore per dare risultato, almeno nei soggetti a maggior rischio. Occorre che i pazienti da testare per Covid-19 abbiano giĂ la tosse o comunque qualche sintomo che indichi un coinvolgimento polmonare, altrimenti il modello non funziona.
Lo studio è stato condotto dall’Istituto di Elettronica e Telecomunicazione del Peter the Great St. Petersburg Polytechnic University di San Pietroburgo, dall’Istituto di Perinatologia e Pediatrica dell’Almazov National Medical Research Centre di San Pietroburgo (Russia), dal Dipartimento di Radiologia dell’Ospedale Shariati dell’UniversitĂ di Tehran (Iran) e dal Dipartimento di Elettronica e Ingegneria Computazionale dell’UniversitĂ della California di Davis (USA).
(Lo studio: Elena Velichko, Faridoddin Shariaty, Mahdi Orooji, Vitalii Pavlov, Tatiana Pervunina, Sergey Zavjalov, Razieh Khazaei, Amir Reza Radmard. Development of computer-aided model to differentiate Covid-19 from pulmonary edema in lung CT scan: EDECOVID-net. Computers in Biology and Medicine, Volume 141, 2022, 105172, ISSN 0010-4825. Doi: https://doi.org/10.1016/j.compbiomed.2021.105172)
Stefania Somaré
