تصویربرداری با اشعه ایکس از ناحیه قفسه سینه می توان اثرات طولانی مدت کووید را نشان دهد.
طبق گزارش های فن تک و به نقل از scitechdaily؛ دانشمندان به تازگی موفق شدند با استفاده از تصویربرداری دو بعدی اشعه ایکس، اثرات طولانی مدت 19COVID- را تشخیص دهند.
برای بیمارانی که با علائم تنفسی ناشی از کووید-19 سر و کار دارند، تصویر برداری به روش قدیمی از قفسه سینه می‌تواند خیلی چیزها را نشان دهد. اسکن‌های دو بعدی به سادگی نمی‌توانند عملکرد ریه مبتلا به کروناویروس جدید را شناسایی کنند. به همین علت، از روش تصویربرداری سه بعدی (سه بعدی) به نام توموگرافی کامپیوتری (CT) استفاده می شود.
با این حال، بسیاری از کلینیک‌های پزشکی در ایالات متحده تجهیزات سی تی اسکن ندارند و بیماران مبتلا اطلاعات کمی در مورد عملکرد ریه خود دارند. اماتحقیقات جدید این روند را تغییر می دهد.دانشمندان در یک مطالعه جدید، از روشی به نام مدل یادگیری متضاد توسط دانشمندان دانشگاه آیووا استفاده کردند.
این مدل با استفاده از تصاویر ترکیبی 2 بعدی حاصل از تصاویر سی تی اسکن سه بعدی، نحوه تشخیص عملکرد ریه را در بیماران مبتلا به کووید طولانی مدت "می آموزد. سپس روش دیگری به نام یادگیری انتقال، اطلاعات تشخیصی ریه را از سی تی اسکن به اشعه ایکس قفسه سینه منتقل می کند. این کار به تجهیزات اشعه ایکس قفسه سینه اجازه می دهد تا ناهنجاری های ریه را تشخیص دهند.
نتایج این مطالعه به تازگی در ژورنال Frontiers in Physiology منتشر شد. محققان در این مطالعه نشان دادند که چگونه می‌توان از مدل یادگیری متفاوت آن ها برای تشخیص بیماری تنفسی استفاده کرد. در بیماران مبتلا به کووی-19 این مدل‌ها توانستند عملکرد ریه بیماران مبتلا به بیماری های تنفسی را که شدت کمتری داشتند از آن‌هایی که مشکلات تنفسی پیشرفته‌تری داشتند، جدا کنند.
Ching-Long Lin، Edward M. Mielnik و Samuel R. Harding می‌گویند: «عامل کلیدی در این مدل، گرفتن اطلاعات از سی‌تی‌اسکن‌های سه بعدی است که حجم ریه را نشان می‌دهد و آن اطلاعات را به تصاویر دوبعدی منتقل می کند. استاد و رئیس گروه مهندسی مکانیک کالج مهندسی در آیووا گفت: " پزشکان می توانند از اشعه ایکس برای تشخیص پیامدهای طولانی مدت کووید در قفسه سینه استفاده کنند. این چشم‌انداز بزرگی در علم پزشکی به ما نشان می دهد."
محققان مدل‌سازی خود را بر اساس سی‌تی اسکن 100 نفر از بیمارانی که به سویه کووید آلوده شده بودند و تا دسامبر 2020 به بیمارستان‌ها و کلینیک‌های UI مراجعه کردند، انجام دادند. بیماری راه های هوایی کوچک شبکه ای از بیش از 10000 لوله را در پیوند ریه که در آن هوای اکسیژن دار با خون مخلوط می شود تا به سراسر بدن منتقل شود، تحت تاثیر قرار می دهد. افراد مبتلا به بیماری مجاری هوایی کوچک، بسیاری از این رگ‌ها را منقبض می‌کنند، بنابراین تبادل اکسیژن-خون در ریه‌ها محدود می‌شود و به طور کلی مانع تنفس می‌شود.
لین و تیمش نقاط داده را در دو فاصله زمانی دم و بازدم در سی تی اسکن ریه جمع آوری کردند. محققان نتایج را با گروه کنترلی که با ایجاد مدل یادگیری متضاد به ویروس مبتلا نشده بودند، مقایسه کردند. لین که تخصصش در یادگیری ماشینی و شبیه‌سازی دینامیک سیالات و ذرات محاسباتی است، می‌گوید: «مدل‌های ما با موفقیت عملکرد ریه بیماران مبتلا به کووید طولانی را از افرادی که به این ویروس مبتلا نشده بودند، تشخیص دادند.» تیم تحقیقاتی Lin این مدل را توسعه داد تا بتوانند بیماران مبتلا به بیماری مجاری هوایی کوچک را از کسانی که دارای عوارض پیشرفته‌تر مانند آمفیزم هستند، جدا کند.
لین در ادامه اضافه کرد: "تصویربرداری اشعه ایکس از قفسه سینه در همه جا قابل دسترسی است اما، سی تی اسکن به دلیل قیمت گران تر در همه جا قابل دسترسی نیست." مدل ما می تواند بهتر عمل کند و من معتقدم که پتانسیل استفاده از آن در تمام کلینیک ها بدون نیاز به خرید تجهیزات تصویربرداری گران قیمت مانند اسکنرهای سی تی وجود دارد."
نویسندگان خاطرنشان می کنند که مطالعه محدود است، تا حدی به این دلیل که حجم نمونه کوچک است و بیماران از یک مرکز پزشکی واحد هستند. آنها می نویسند که اندازه نمونه بزرگتر ممکن است تغییرات بیشتری را در عملکرد ریه ناشی از کووید طولانی نشان دهد.
موسسه ملی قلب، ریه و خون مرکز ملی بهداشت ایالات متحده و وزارت آموزش و پرورش بودجه این تحقیق را تامین کردند.