2D胸透检测长期新冠的影响

　　对于患有新型冠状病毒挥之不去的呼吸道症状的患者来说，胸部 X 光片只能显示这么多。二维 (2D) 扫描根本无法区分受损的肺功能。对于该诊断，需要一种称为 CT 扫描的更昂贵的三维 (3D) 技术。

　　然而，美国的许多医疗诊所都没有 CT 扫描设备，导致所谓的长期 COVID 患者几乎没有关于其肺功能的信息。

　　这可能会改变。在一项新研究中，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”，以检测长期 COVID 患者的肺功能受损。另一种称为迁移学习的技术将肺部诊断信息从 CT 扫描传输到胸部 X 光片，从而使胸部 X 光片设备能够像那些患者使用 CT 扫描一样检测异常。

　　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，这是长期 COVID 患者肺功能受损的早期阶段。在长期 COVID 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。

　　“该模型的新元素是从 3D CT 扫描中获取显示肺容量的信息，并将该信息传输到将在 2D 图像中显示这些相同特征的模型，”Ching-Long Lin、Edward M. Mielnik 和 Samuel R. Harding 说爱荷华州工程学院机械工程系教授兼系主任。 “临床医生将能够使用胸部 X 光片来检测这些结果。这是更大的视角。”

　　研究人员的模型基于 100 名感染原始 COVID 毒株并在 2020 年 6 月至 2020 年 12 月期间因呼吸问题前往 UI 医院和诊所进行诊断的人的 CT 扫描。这些长期感染 COVID 的患者中有许多患有小气道疾病。内科——肺、重症监护和职业医学临床教授 Alejandro Comellas 在去年 3 月发表在放射学杂志上的一篇论文中报告了诊断。

　　小气道疾病会影响肺部连接处的 10,000 多根管子网络，在该处含氧空气与血液混合以输送到全身。患有小气道疾病的人有许多这些血管收缩，从而限制了肺部的氧气-血液交换，并阻碍了整体呼吸。

　　Lin 和他的团队在 CT 肺部扫描中以两个时间间隔收集数据点——患者吸气时和呼气时。研究人员在创建对比学习模型时将他们的结果与未感染病毒的对照组进行了比较。

　　“与未感染病毒的患者相比，我们的模型成功地确定了长期 COVID 患者的肺功能下降，”Lin 说，他的专长是机器学习以及计算流体和粒子动力学模拟。

　　林的团队改进了该模型，以便可以将患有小气道疾病的患者与肺气肿等更严重并发症的患者区分开来。

　　“该研究以独立的方式表明，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 感染中恢复后会持续存在，”Comellas 说，这项研究的合著者。

　　“胸部 X 光片是可获取的，而 CT 扫描更昂贵且不易获取，”Lin 补充道。 “我们的模型可以进一步改进，我相信它有可能在所有诊所使用，而无需购买昂贵的成像设备，例如 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，而且患者来自单一医疗机构。他们写道，更大的样本量可能会发现更多由长期 COVID 引起的肺功能变化。

　　这项名为“COVID-19 后肺部计算机断层扫描图像的对比学习和子类型化”的研究于 10 月 11 日在线发表在《生理学前沿》杂志上。

　　来自爱荷华州的合著者包括 Frank Li、Xuan Zhang、Eric Hoffman 和 Tianbao Yang。

　　国家心肺血液研究所，美国国立卫生研究院的一个分支机构；美国教育部资助了这项研究。