I ricercatori dell‘Università dello Iowa utilizzando una semplice radiografia del torace, hanno creato un modello avanzato in grado di rilevare il danno polmonare nei pazienti Long-Covid. Il modello acquisisce punti dati da immagini polmonari 2D costruite da scansioni polmonari con la Tomografia computerizzata (TC) tridimensionale (3D). Il modello è interessante perché le apparecchiature per radiografie del torace 2D sono più comunemente disponibili e meno costose della TAC.
La semplice radiografia del torace per i pazienti che hanno sintomi respiratori persistenti causati dal nuovo coronavirus Covid-19 può rivelare solo una parte dei danni. Le scansioni bidimensionali (2D) non sono in grado di distinguere una funzione polmonare compromessa, è necessaria per questa diagnosi una tecnica tridimensionale (3D), più costosa, chiamata TAC. Le apparecchiature per la TAC non sono sempre disponibili in molte cliniche negli Stati Uniti, lasciando ai cosiddetti pazienti Long-Covid poche informazioni sulla loro funzione polmonare.
Modello di apprendimento contrastivo
I ricercatori dell’Università dello Iowa in un nuovo studio pubblicato nella rivista Frontiers in Physiology, hanno sviluppato il cosiddetto “Modello di apprendimento contrastivo”, questo modello “impara” da immagini composite 2D costruite a partire da immagini TAC 3D, per rilevare la compromissione della funzione polmonare nei pazienti con Long-Covid, poi con il supporto di un’altra tecnica chiamata “Apprendimento per trasferimento”, trasmette le informazioni diagnostiche polmonari da una TAC a una radiografia del torace, consentendo così al personale medico di rilevare le anomalie come se per i pazienti avessero utilizzato una TAC.
I ricercatori nello studio hanno dimostrato come il loro modello di apprendimento contrastivo possa essere applicato per rilevare la malattia delle piccole vie aeree, che è uno stadio iniziale della compromissione della funzione polmonare nei pazienti affetti da Long-Covid. I modelli di studio di pazienti Long-Covid, sono stati ulteriormente migliorati per distinguere la gravità della funzione polmonare compromessa, separando pazienti con malattia delle piccole vie aeree da quelli con problemi respiratori più avanzati.
Ching-Long Lin professore e presidente del Dipartimento di Ingegneria Meccanica del College of Engineering dello Iowa, ha detto:
«Il nuovo elemento del modello consiste nel prendere informazioni dalle scansioni TAC 3D che mostrano il volume dei polmoni e trasferirle in un modello che mostrerà le stesse caratteristiche in immagini 2D».
Samuel R. Harding e Edward M. Mielnik ricercatori nello stesso Dipartimento hanno aggiunto:
«I medici sarebbero in grado di utilizzare le radiografie del torace per rilevare questi esiti, è questa la prospettiva più grande».
I ricercatori hanno basato la loro modellazione sulle scansioni TAC di 100 persone che sono state infettate dal ceppo Covid-19 originale e si sono recate presso gli Ospedali e cliniche dell’Università dello Iowa per la diagnosi di problemi respiratori tra giugno e dicembre 2020. Molti di questi pazienti Covid a lungo termine presentavano una malattia delle piccole vie aeree, diagnosi evidenziata in un articolo pubblicato lo scorso marzo nella rivista Radiology da Alejandro Comellas, professore clinico di medicina interna-polmonare, assistenza critica e medicina del lavoro.
La malattia delle piccole vie aeree colpisce una rete di oltre 10.000 fitti tubicini, chiamati bronchioli, nel punto nevralgico del polmone in cui l’aria ossigenata si mescola al sangue per essere trasportata in tutto il corpo. Le persone affette da malattia delle piccole vie aeree hanno molti di questi bronchioli ristretti che limitano lo scambio ossigeno-sangue nei polmoni, impedendo la normale respirazione.
Ching-Long Lin e il suo team quando il paziente inspirava e quando espirava, hanno raccolto dati a due intervalli nelle scansioni polmonari con TC 3D. I ricercatori per creare il modello di apprendimento contrastivo, hanno confrontato i risultati con un gruppo di controllo che non aveva contratto il virus.
Ching-Long Lin esperto nell’apprendimento automatico e nella simulazione computazionale di fluidi e particelle, ha affermato:
«I nostri modelli hanno identificato con successo la diminuzione della funzione polmonare dei pazienti affetti da Long-Covid rispetto a quelli che non avevano contratto il virus».
Il team di Ching-Long Lin ha perfezionato il modello in modo da poter separare i pazienti con malattia delle piccole vie aeree da quelli con complicazioni più avanzate, come l’enfisema.
Alejandro Comellas coautore dello studio ha affermato:
«La ricerca ha dimostrato in modo indipendente che i pazienti con post Covid-19 presentano due tipi di lesioni polmonari, la malattia delle piccole vie aeree e la fibrosi/infiammazione del parenchima polmonare, condizioni mediche che persistono dopo la guarigione dall’infezione iniziale da SARS CoV-2».
Ching-Long Lin ha aggiunto:
«Le radiografie del torace sono accessibili, mentre la TAC è più costosa e non altrettanto accessibile. Il nostro modello può essere ulteriormente migliorato, credo che possa essere utilizzato in tutte le cliniche senza dover acquistare costose apparecchiature di imaging, come la TAC».