La revista Radiology ha publicado la investigación “Estudio de la TC torácica en COVID-19: el proyecto STOIC”, realizado conjuntamente en 20 hospitales universitarios en Francia, según el cual se evidencia que la tomografía computarizada (TC) es, hasta el momento, el mejor predictor de pronóstico grave Covid-19.
Ante la duda inicial y los datos contradictorios con respecto al rendimiento diagnóstico de la TC de tórax para la neumonía COVID-19, un grupo de investigadores franceses, liderados por Marie-Pierre Revel, (Departamento de Radiología, Cochin Hospital, París) decidió crear un gran conjunto de datos disponible públicamente y evaluar el valor diagnóstico y pronóstico de la TC en la neumonía COVID-19.
Gracias al proceso de diagnóstico de neumonía por TC, utilizado durante la primera ola de la pandemia de coronavirus en Francia, se pudo realizar un estudio con al menos 10.000 tomografías computarizadas a partir de las cuales obtener datos suficientes para cumplir con los objetivos marcados.
En dicho estudio se recabaron datos a partir de 10.735 sujetos sospechosos con neumonía causada por el coronavirus, evaluados entre el 1 de marzo y el 30 de abril de 2020. Al utilizar las RT-PCR como referencia, se llegó a tres conclusiones de relevancia:
- La precisión diagnóstica de la TC para COVID-19 fue del 80%, que aumentó al 86% después de 5 días de síntomas.
- La extensión de la neumonía en la TC fue el mejor predictor de un resultado grave (intubación o muerte) al mes.
- La precisión del diagnóstico de TC no se vio influenciada por la experiencia del radiólogo.
Además de la evaluación del rendimiento diagnóstico, otro objetivo importante del proyecto STOIC fue evaluar los factores de riesgo de un resultado deficiente (entendido como el riesgo de intubación o de muerte al mes). En este aspecto, se concluyó que la edad avanzada, el sexo masculino y la hipertensión eran factores de riesgo para un resultado severo, a diferencia de la cantidad de grasa de la pared torácica. El enfisema no resultó ser un predictor independiente de gravedad en el estudio, en línea con el de sujetos con EPOC que representan solo el 4% de los ingresados en UCI.
El modelo de riesgo de resultado grave mejoró cuando las variables clínicas se combinaron con anotaciones de TC, siendo la extensión del daño parenquimatoso pulmonar el predictor más fuerte.
El estudio concluye que “la inteligencia artificial podría ayudar a predecir mejor la gravedad de la enfermedad en sujetos con Covid-19, pero requiere grandes conjuntos de datos, una de las razones por las que se lanzó el proyecto STOIC”.