Rapid progression of COVID-19 pneumonia may put patients at risk of requiring ventilatory support, such as non-invasive mechanical ventilation or endotracheal intubation. Implementing tools that detect COVID-19 pneumonia can improve the patient’s healthcare. We aim to evaluate the efficacy and efficiency of the artificial intelligence (AI) tool GE Healthcare’s Thoracic Care Suite (featuring Lunit INSIGHT CXR, TCS) to predict the ventilatory support need based on pneumonic progression of COVID-19 on consecutive chest X-rays.
MethodsOutpatients with confirmed SARS-CoV-2 infection, with chest X-ray (CXR) findings probable or indeterminate for COVID-19 pneumonia, who required a second CXR due to unfavorableclinical course, were collected. The number of affected lung fields for the two CXRs was assessed using the AI tool.
ResultsOne hundred fourteen patients (57.4±14.2 years, 65−57%-men) were retrospectively collected. Fifteen (13.2%) required ventilatory support. Progression of pneumonic extension ≥0.5 lung fields per day compared to pneumonia onset, detected using the TCS tool, increased the risk of requiring ventilatory support by 4-fold. Analyzing the AI output required 26s of radiological time.
ConclusionsApplying the AI tool, Thoracic Care Suite, to CXR of patients with COVID-19 pneumonia allows us to anticipate ventilatory support requirements requiring less than half a minute.
La rápida progresión de la neumonía por COVID-19 puede implicar la necesidad de recurrir a sistemas de respiración asistida, como, por ejemplo, la ventilación mecánica no invasiva o la intubación endotraqueal. La introducción de herramientas que detecten la neumonía por COVID-19 puede mejorar la atención sanitaria de los pacientes. Nuestro objetivo es evaluar la eficacia y la eficiencia de la herramienta de inteligencia artificial (IA) Thoracic Care Suite de GE Healthcare (que incorpora Lunit INSIGHT CXR) para predecir la necesidad de recurrir a la respiración asistida en función de la progresión de la neumonía en la COVID-19 en radiografías torácicas consecutivas.
MétodosSe incluyeron pacientes ambulatorios con infección por SARS-CoV-2 confirmada, con hallazgos probables o indeterminados de neumonía por COVID-19 en la radiografía torácica (RXT) y que necesitaron someterse a una segunda RXT debido a la evolución clínica desfavorable. En las dos RXT se evaluaron el número de campos pulmonares afectados mediante la herramienta de IA.
ResultadosSe incluyeron 114 pacientes (57,4±14,2 años, 65−57 %- varones) de forma retrospectiva. 15 pacientes (el 13,2 %) precisaron respiración asistida. La progresión de la diseminación neumónica ≥0,5 campos pulmonares al día en comparación con el inicio de la neumonía, detectada mediante la herramienta TCS, cuadruplicó el riesgo de precisar respiración asistida. El análisis de los resultados de IA precisó 26 segundos.
ConclusionesAplicar la herramienta de IA, Thoracic Care Suite, a la RXT de pacientes con neumonía por COVID-19 nos permite predecir la necesidad de recurrir a la respiración asistida en menos de medio minuto.