基于人工智能的重型新型冠状病毒感染恢复期患者肺部CT影像变化分析
袁梦琪1
董景辉2
张紫英1
潘月飞1
张宇洁3
黄鑫3
李元元3
黄磊3
徐哲3
李永纲3
王福生3
石磊3
1.100039 北京,解放军总医院第五医学中心感染病医学部;100853 北京,解放军总医院解放军医学院2.100039 北京,解放军总医院第五医学中心放射科3.100039 北京,解放军总医院第五医学中心感染病医学部
摘要：目的 新型冠状病毒感染(coronavirus disease 19,COVID-19)对全球健康产生了重大影响,尤其是部分恢复期患者存在长新冠综合征(long-coronavirus disease,Long-COVID)症状及肺部影像学异常,然而肺部CT影像的长期动态变化特征尚未完全明确.本研究通过人工智能(artificial intelligence,AI)定量技术,动态分析重症COVID-19 患者在1 年内的肺部CT影像变化特征,为Long-COVID的管理和治疗提供参考.方法 纳入干细胞治疗COVID-19 队列中对照组(接受安慰剂及标准治疗方案)的 58 例受试者,收集基线及第 1、3、6、9、12 个月共 6 个时间点的临床及影像资料,应用AI定量技术测量病灶的质量、体积及密度值,分析病变的位置、范围及成分比例等,描绘重症COVID-19 患者 1 年内的肺部影像学演变特征.结果 绝大部分患者双肺受累,少数为单侧受累.不同肺叶受累程度不一,右肺下叶感染最严重,感染区域体积及体积比最大,随时间恢复正常的患者最少.基于CT密度值亨氏单位划分病灶成分,磨玻璃影较为常见,实变体积占全肺体积的比例较低.随时间推移,感染区域整体表现为密度下降、体积及体积比缩小的趋势,尤其在 0～6 个月期间逐渐减小,6 个月后轻微回升.至第 12 个月时,所有患者的肺部CT影像仍残留异常表现.结论 本研究利用AI定量技术发现,重症COVID-19患者肺部病变在恢复期逐渐吸收,但1年后仍未完全恢复正常.建议开展更长时间的随访研究,以监测COVID-19 患者的肺部病变转归及特征,这对研究患者远期预后及Long-COVID相关机制具有重要意义.
关键词：新型冠状病毒感染长新冠综合征肺部CT人工智能技术长期随访
分类号：R563.1(呼吸系及胸部疾病)
资助基金：国家重点研发计划(2022YFA1105604)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 385-393 )
英文信息