新模型可以使用简单的2D胸部x光片检测长COVID的影响

对于因新型冠状病毒而出现持续呼吸道症状的患者来说，胸部x光片只能透露这么多信息。二维(2D)扫描根本无法区分受损的肺功能。为了进行这种诊断，需要一种更昂贵的三维(3D)技术，即CT扫描。

然而,许多医疗诊所在美国没有CT扫描设备，这使得所谓的长冠患者几乎没有关于他们的信息肺功能．

这种情况可能会改变。在一项新的研究中，爱荷华大学的研究人员开发了一种所谓的对比学习模型。该模型从3D CT图像构建的复合2D图像中“学习”，以检测长冠患者的肺功能受损。另一种被称为迁移学习的技术，将肺部诊断信息从CT扫描传递给胸部x光，从而使胸部x光设备检测到异常，就像这些患者使用了CT扫描一样。

在这项研究中，研究人员展示了他们的对比学习模型如何应用于检测小气道疾病，这是长冠患者肺功能受损的早期阶段。在长时间感染covid的患者中，模型已经足够先进，可以区分肺功能受损的严重程度，将患有小气道疾病的患者与患有更严重呼吸问题的患者区分开来。

艾奥瓦州工程学院机械工程系主任、Edward M. Mielnik和Samuel R. Harding教授林青龙说:“该模型的新元素是从显示肺容量的3D CT扫描中获取信息，并将这些信息传输到一个模型中，该模型将在2D图像中显示这些相同的特征。”“临床医生将能够使用胸部x光检查这些结果。这是一个更大的视角。”

研究人员基于对100名感染了原始COVID菌株的人的CT扫描建模，这些人在2020年6月至12月期间前往UI医院和诊所诊断呼吸问题。许多这些长时间感染covid的患者都患有小气道疾病，这是内科临床教授亚历杭德罗·科梅拉斯报告的诊断结果。急救护理他在去年3月发表在该杂志上的一篇论文中写道放射学．

小气道疾病会影响肺部连接的1万多根管道网络，含氧空气与血液混合后被输送到全身。患有小气道疾病的人有许多这些血管收缩，从而限制了肺中的氧-血交换，并阻碍了整体呼吸。

林和他的团队收集数据点在CT肺扫描的两个时间间隔——当病人吸入和当病人呼气。研究人员将他们的结果与一项研究结果进行了比较对照组他们创建对比学习模型时没有感染病毒。

林说:“与没有感染病毒的人相比，我们的模型成功地确定了长时间感染covid的患者的肺功能下降。”林的专长是机器学习和计算流体和粒子动力学模拟。

林的团队改进了模型，因此它可以将患有小气道疾病的患者与患有更严重并发症的患者(如肺气肿)分开。

这项研究的合著者科梅拉斯说:“这项研究以独立的方式证明，covid后患者有两种类型的肺损伤(小气道疾病和肺实质纤维化/炎症)，这些损伤在从最初的SARS CoV-2感染中恢复后持续存在。”

林补充说:“胸部x光片是可以获得的，而CT扫描更贵，而且不那么容易获得。”“我们的模型还可以进一步改进，我相信它有潜力在所有诊所使用，而不必购买昂贵的成像设备，如CT扫描仪。”

作者指出，这项研究是有限的，部分原因是样本量小，而且患者来自单一的医疗机构。他们写道，更大的样本量可能会发现由长冠状病毒引起的肺功能的更多变化。

这项研究发表在生理学前沿．