Avaliação de atributos radiômicos em imagens de TC de tórax de pacientes com COVID-19

Abstract

O surto de COVID-19, causado pelo vírus SARS-CoV-2, iniciou-se ao final de 2019 na China e rapidamente foi propagado a nível mundial, tornando-se uma pandemia em meados de 2020. Por ser uma patologia cujos sintomas remetiam a infecções do sistema respiratório, como uma gripe, porém com desfechos fatais, tanto profissionais operacionais quanto pesquisadores viviam o enorme desafio de obter um diagnóstico rápido para esta nova doença. Uma alternativa aos exames laboratoriais de transcrição reversa seguida de reação em cadeia da polimerase (RT-PCR) é o diagnóstico por imagem baseado em tomografia computadorizada (TC) de tórax dos pacientes. Todavia, as características presentes nessas imagens também são compatíveis com outras infecções agudas respiratórias. O aumento da acurácia em exames de imagem pode ser obtido a partir da utilização de sistemas computacionais de análise de imagens baseados em inteligência artificial (IA). Este trabalho é parte integrante de um projeto de pesquisa com o objetivo de desenvolvimento e validação de um software para diagnóstico automático de COVID-19 baseado em TC, radiômica (extração de atributos de imagem de alto rendimento) e IA. A obtenção da predição neste tipo de diagnóstico depende da correlação entre os atributos radiômicos e a patologia, que tem por cerne a determinação de características que sejam reprodutíveis e robustas com relação a etapa da segmentação das lesões nas imagens. Neste trabalho foram gerados para análise, a partir dos mesmos exames de TC de tórax de pacientes com COVID-19 confirmados por teste RT-PCR, dois conjuntos de segmentações manuais de lesões obtidas por avaliadores independentes. As segmentações e as extrações dos atributos radiômicos foram obtidos utilizando-se o software livre LIFEx. Obtiveram-se três classes de atributos: de forma e de texturas - de primeira e de segunda ordens. Para a avaliação da robustez foi utilizada a métrica estatística índice de correlação intra-classe (ICC) a partir da aplicação SPSS Statistics. Os resultados apresentados classificaram notadamente como não reprodutíveis os atributos de forma, enquanto determinados atributos de textura, de primeira e segunda ordens, compuseram o rol dos atributos robustos. Desta forma, pôde-se demonstrar a existência de atributos radiômicos preditores da referida virose e a consequente possibilidade de obtenção de um diagnóstico alternativo baseado em atributos radiômicos de TC de tórax para a COVID-19.