Modelo baseado em aprendizado profundo para detectar pneumonia por coronavírus novo de 2019 em tomografia computadorizada de alta resolução

A tomografia computadorizada (TC) é o método de imagem preferido para o diagnóstico da pneumonia por coronavírus novo de 2019 (COVID-19). Nosso objetivo foi construir um sistema baseado em aprendizado profundo para detectar a pneumonia por COVID-19 em TC de alta resolução. Para desenvolvimento e validação do modelo, foram coletadas retrospectivamente 46.096 imagens anônimas de 106 pacientes admitidos, incluindo 51 pacientes com pneumonia por COVID-19 confirmada laboratorialmente e 55 pacientes controle de outras doenças no Hospital Renmin da Universidade de Wuhan. Vinte e sete pacientes consecutivos prospectivos no Hospital Renmin da Universidade de Wuhan foram coletados para avaliar a eficiência dos radiologistas em relação à pneumonia por 2019-CoV com a do modelo. Um teste externo foi realizado no Hospital Central de Qianjiang para estimar a robustez do sistema. O modelo alcançou uma precisão por paciente de 95,24% e uma precisão por imagem de 98,85% no conjunto de dados retrospectivo interno. Para 27 pacientes prospectivos internos, o sistema alcançou um desempenho comparável ao do radiologista especialista. No conjunto de dados externo, alcançou uma precisão de 96%. Com a assistência do modelo, o tempo de leitura dos radiologistas foi amplamente reduzido em 65%. O modelo de aprendizado profundo mostrou um desempenho comparável ao do radiologista especialista e melhorou significativamente a eficiência dos radiologistas na prática clínica.