Penelitian terbatas mengeksplorasi penggunaan AI untuk prognosis COVID-19. Studi ini menyelidiki hubungan antara parameter radiografi yang dibantu AI, data klinis dan laboratorium, dan kematian pada pasien COVID-19 yang dirawat di rumah sakit. Kami melakukan studi retrospektif multisenter. Kelompok derivasi dan validasi masing-masing terdiri dari 512 dan 137 pasien terkonfirmasi COVID-19. Seleksi variabel untuk membangun model penilaian kematian di rumah sakit dilakukan dengan menggunakan operator seleksi dan penyusutan absolut terkecil, diikuti dengan regresi logistik. Keakuratan model penilaian dinilai dengan menggunakan area di bawah kurva karakteristik pengoperasian penerima.
Peran kecerdasan buatan (AI) di bidang medis telah berkembang pesat. Peran ini terutama terbatas pada tujuan skrining dan diagnosis. Misalnya saja, di bidang pulmonologi, interpretasi radiografi gambar rontgen dada (CXR) yang dibantu AI terbukti sensitif dan akurat untuk skrining tuberkulosis paru6. Peran AI dalam diagnosis COVID-19 juga telah dilaporkan. Dalam sebuah penelitian, CAD4COVID-Xray (perangkat lunak AI), melalui metode peta panas berwarna, memiliki diagnosis pneumonia COVID-19 yang lebih baik dibandingkan dengan enam ahli radiologi. Sebaliknya, bukti mengenai penggunaan interpretasi radiografi CXR yang dibantu AI untuk memprediksi hasil klinis masih langka.
Penelitian ini bertujuan untuk menyelidiki hubungan antara parameter radiografi berbantuan AI, data klinis dan laboratorium, serta hasil klinis pada pasien COVID-19 yang dirawat di rumah sakit dengan hasil RT-PCR terkonfirmasi. Selain itu, kami bertujuan untuk mengembangkan dan memvalidasi alat risiko klinis yang dikenal sebagai Skor Prediksi Kematian Rawat Inap Terpadu untuk COVID-19 (IMPACT) dengan mengintegrasikan data ini.
Model akhir mencakup delapan variabel: anosmia (OR: 0,280; 95%CI 0,095“0,826), dispnea (OR: 1,684; 95%CI 1,049“2,705), kehilangan kesadaran (OR: 4,593; 95%CI 1,702“12,396) , tekanan arteri rata-rata (OR: 0,928; 95%CI 0,900“0,957), saturasi oksigen perifer (OR: 0,981; 95%CI 0,967“0,996), % neutrofil (OR: 1,034; 95%CI 1,013“1,055), serum urea (OR: 1.018; 95%CI 1.010“1.026), skor area paru yang terkena dampak (OR: 1.026; 95%CI 1.014“1.038). Skor Prediksi Kematian Rawat Inap Terpadu untuk COVID-19 (IMPACT) menunjukkan nilai prediksi sebesar 0,815 (95% CI 0,774“0,856) pada kelompok derivasi. Validasi internal menghasilkan AUROC sebesar 0,770 (95% CI 0,661“0,879).
Studi kami memberikan bukti berharga tentang penerapan AI di dunia nyata dalam pengaturan klinis. Namun, sangat penting untuk melakukan validasi prospektif terhadap temuan kami, sebaiknya menggunakan kelompok kontrol dan memperluas penerapannya ke populasi yang lebih luas.
Penulis: Pradana Zaky Romadhon, dr., Sp.PD.
Jurnal: Derivation and validation of novel integrated inpatient mortality prediction score for COVID-19 (IMPACT) using clinical, laboratory, and AI–processed radiological parameter upon admission: a multicentre study
