Uno studio svizzero-iraniano propone un modello basato su machine learning per predire la prognosi da Covid-19 basandosi su feature radiomiche estratte da immagini TC (Shiri I, Sorouri M, Geramifar P, Nazari M, Abdollahi M, Salimi Y, Khosravi B, Askari D, Aghaghazvini L, Hajianfar G, Kasaeian A, Abdollahi H, Arabi H, Rahmim A, Radmard AR, Zaidi H. Machine learning-based prognostic modeling using clinical data and quantitative radiomic features from chest CT images in COVID-19 patients. Comput Biol Med. 2021 Mar 3;132:104304. doi: 10.1016/j.compbiomed.2021.104304. Epub ahead of print. PMID: 33691201; PMCID: PMC7925235).
In particolare, sono state estratte feature radiomiche di segmenti di polmone e lesioni di infezione: queste sono state innanzitutto analizzare per individuare quelle più significative, da prendere poi in considerazione.
Oltre a ciò sono stati presi in considerazione altri dati clinici, come la storia del paziente, gli esiti dei test di laboratorio e gli score radiologici.
Gli autori hanno coinvolto 152 pazienti: i dati relativi a 106 di essi sono stati usati per allenare e validare il modello, mentre i dati dei restanti 46 sono serviti a sviluppare un dataset non utilizzato nel training.
A questo punto sono stati sviluppati più modelli di intelligenza artificiale, sia considerando insieme le feature radiomiche e gli altri dati clinici dei pazienti sia separandoli.
Tra questi, il modello che combina dati clinici con le feature radiomiche è quello più efficace nel predire l’esito della patologia.
In particolare, le due caratteristiche cliniche risultate più importanti sono la comorbidità con cancro e il livello di coscienza. Altrettanto importante, sono la saturazione di ossigeno e lo score Blood Urea Nitrogen.
Tra le feature radiomiche da polmone, le più significative sembrano essere SAHGLE, HGLZE da GLSZM.
Tra le lesioni, infine, le feature più predittive sembrano essere RLNU da GLRLM, HGLZE da GLSZM.
L’analisi multivariata indica che la combinazione di queste feature radiomiche permette di ottenere il modello prognostico più accurato, sensibili e specifico.
Secondo gli autori, il modello sviluppato potrebbe favorire la gestione dei pazienti Covid-19.
Stefania Somaré
