L’8 maggio 2024 è stato pubblicato, sulla rivista Diagnostics, l’ultimo lavoro scientifico scritto dalla squadra AITeRTC dal titolo Comparing Visual and Software-Based Quantitative Assessment Scoresof Lungs’ Parenchymal Involvement Quantificiation in Covid-19 patients.
L’articolo, disponibile in versione open access, riporta uno studio retrospettivo monocentrico condotto su 90 pazienti presso l’ASST Spedali Civili di Brescia.
L’obiettivo dello studio è stato quello di comparare due metodi di quantificazione del parenchima polmonare affetto da Covid-19: il primo metodo si basa su uno score visivo valutato dai medici radiologi (VQAS, Visual Quantitative Assessment Score), mentre il secondo utilizza due software di intelligenza artificiale, uno semiautomatico e uno automatico (SBQAS, Software-Based Quantitative Assessment Score). I software analizzati nello studio sono Icolung e CT-COPD.
I criteri di inclusione sono stati i seguenti: aver eseguito una TC del torace senza mezzo di contrasto tra marzo e giugno 2021, avere una diagnosi di Covid-19 tramite PCR-RT e avere un’età superiore ai 18 anni.
Il VQAS è stato effettuato in doppio cieco da due medici radiologi con più di dieci anni di esperienza, mentre il SBQAS è stato eseguito da due TSRM debitamente formati, anch’essi in doppio cieco.
L’analisi statistica è stata condotta utilizzando l’ICC (Interclass Correlation Coefficient) e il Bland-Altman Plot.
Il punteggio di “agreement” tra i radiologi (R1 e R2) per il VQAS è risultato buono (ICC = 0,871), mentre per il SBQAS tra i due software è stato moderato (ICC = 0,584). La concordanza tra Icolung e la mediana delle valutazioni visive (Median R1-R2) è risultata buona (ICC = 0,885). La corrispondenza tra CT-COPD e la mediana del VQAS (Median R1-R2) è risultata moderata (ICC = 0,622).
In conclusione, questo studio ha dimostrato una moderata e buona concordanza tra il VQAS e il SBQAS, evidenziando l’utilizzo di questo approccio come strumento prezioso per la gestione dei pazienti con COVID-19. Infine, la combinazione di strumenti di intelligenza artificiale con l’esperienza del medico può portare a diagnosi e piani di trattamento più accurati per i pazienti.
