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
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。