愛荷華大學的研究人員創建了一個先進的模型，可以用簡單的胸部X光檢測出長期COVID患者的肺部損傷。該模型從3D CT肺部掃描構建的2D肺部圖像中獲取數據點。該圖像顯示了二維圖像中的肺部細節。該模型很有吸引力，因為二維胸部X光設備更常見，而且成本更低。

對於處理COVID-19引起的揮之不去的呼吸道症狀的病人來說，傳統的胸部X光只能顯示這麼多。二維（2D）掃描根本無法分辨出新型冠狀病毒導致的肺功能受損。為了進行這種診斷，必須採用更昂貴的三維（3D）技術，即計算機斷層掃描（CT）。

然而，美國的許多醫療診所沒有CT掃描設備，使得所謂的長期冠狀病毒患者幾乎得不到關於他們肺功能的信息。

這種情況可能很快就會改變。在一項新的研究中，愛荷華大學的科學家們開發了一種叫做對比性學習模型的東西。這個模型”學習”如何使用由三維CT圖像構建的複合二維圖像來檢測長期COVID患者的肺功能受損情況。另一項技術，即轉移學習，然後將肺部診斷信息從CT掃描傳達給胸部X光，從而使胸部X光設備能夠檢測到異常，就像這些患者使用CT掃描一樣。

在最近發表在《生理學前沿》雜誌上的這項研究中，研究人員展示了他們的對比學習模型如何應用於檢測小氣道疾病，這是長病程COVID患者肺功能受損的一個早期階段。在Long-COVID患者中，這些模型的先進性足以區分肺功能受損的嚴重程度，將那些有小氣道疾病的人與那些有更高級呼吸問題的人區分開來。

“該模型的新元素是從顯示肺容積的三維CT掃描中獲取信息，並將該信息轉移到一個模型中，該模型將在二維圖像中顯示這些相同的特徵，”愛荷華大學工程學院機械工程系教授兼主任愛德華-M-米爾尼克和塞繆爾-R-哈丁的Lin Qinglong說。”臨床醫生將能夠使用胸部X射線來檢測這些結果，這可以提供更大的視角”。

研究人員根據100名感染了原始SARS CoV-2毒株並在2020年6月至12月期間因呼吸問題前往UI醫院和診所進行診斷的人的CT掃描來進行建模。這些長期感染COVID的患者中有許多人患有小氣道疾病，內科-肺部、重症監護和職業醫學的臨床教授Alejandro Comellas在去年3月發表在《放射學》雜誌上的一篇論文中報告了這種診斷。

小氣道疾病影響到肺部連接處的1萬多條管道網絡，含氧空氣在這裡與血液混合後被輸送到整個身體。患有小氣道疾病的人有許多這樣的血管收縮，從而限制了肺部的氧氣-血液交換，並阻礙了整體呼吸。

Lin和他的團隊在CT肺部掃描的兩個時間間隔內收集數據點–當病人吸氣和呼氣的時候。研究人員在創建對比學習模型時，將其結果與未感染病毒的對照組進行了比較。他的專長是機器學習和計算流體和粒子動態模擬。林的團隊推進了該模型，因此它可以將小氣道疾病患者與那些更高級的並發症（如肺氣腫）的患者區分開來。

“該研究以一種獨立的方式證明了後COVID患者有兩種類型的肺部損傷（小氣道疾病和肺實質纖維化/炎症），這些損傷在從最初的SARS CoV-2感染中恢復後仍然存在，”這項研究的共同作者Comellas說。

“胸部X射線成本較低，而CT掃描則比較昂貴，而且不容易獲得，”Lin補充說。”我們的模型可以進一步改進，我相信它有可能在所有診所使用，而不必購買昂貴的成像設備，如CT掃描儀。”

作者指出，這項研究是有限的，部分原因是樣本量小，而且病人來自一個醫療機構。他們寫道，更大的樣本量可能會發現更多源於長病程COVID的肺功能變化。