爱荷华大学的研究人员创建了一个先进的模型，可以用简单的胸部X光检测出长期COVID患者的肺部损伤。该模型从3D CT肺部扫描构建的2D肺部图像中获取数据点。该图像显示了二维图像中的肺部细节。该模型很有吸引力，因为二维胸部X光设备更常见，而且成本更低。

对于处理COVID-19引起的挥之不去的呼吸道症状的病人来说，传统的胸部X光只能显示这么多。二维（2D）扫描根本无法分辨出新型冠状病毒导致的肺功能受损。为了进行这种诊断，必须采用更昂贵的三维（3D）技术，即计算机断层扫描（CT）。

然而，美国的许多医疗诊所没有CT扫描设备，使得所谓的长期冠状病毒患者几乎得不到关于他们肺功能的信息。

这种情况可能很快就会改变。在一项新的研究中，爱荷华大学的科学家们开发了一种叫做对比性学习模型的东西。这个模型"学习"如何使用由三维CT图像构建的复合二维图像来检测长期COVID患者的肺功能受损情况。另一项技术，即转移学习，然后将肺部诊断信息从CT扫描传达给胸部X光，从而使胸部X光设备能够检测到异常，就像这些患者使用CT扫描一样。

在最近发表在《生理学前沿》杂志上的这项研究中，研究人员展示了他们的对比学习模型如何应用于检测小气道疾病，这是长病程COVID患者肺功能受损的一个早期阶段。在Long-COVID患者中，这些模型的先进性足以区分肺功能受损的严重程度，将那些有小气道疾病的人与那些有更高级呼吸问题的人区分开来。

"该模型的新元素是从显示肺容积的三维CT扫描中获取信息，并将该信息转移到一个模型中，该模型将在二维图像中显示这些相同的特征，"爱荷华大学工程学院机械工程系教授兼主任爱德华-M-米尔尼克和塞缪尔-R-哈丁的Lin Qinglong说。"临床医生将能够使用胸部X射线来检测这些结果，这可以提供更大的视角"。

研究人员根据100名感染了原始SARS CoV-2毒株并在2020年6月至12月期间因呼吸问题前往UI医院和诊所进行诊断的人的CT扫描来进行建模。这些长期感染COVID的患者中有许多人患有小气道疾病，内科-肺部、重症监护和职业医学的临床教授Alejandro Comellas在去年3月发表在《放射学》杂志上的一篇论文中报告了这种诊断。

小气道疾病影响到肺部连接处的1万多条管道网络，含氧空气在这里与血液混合后被输送到整个身体。患有小气道疾病的人有许多这样的血管收缩，从而限制了肺部的氧气-血液交换，并阻碍了整体呼吸。

Lin和他的团队在CT肺部扫描的两个时间间隔内收集数据点--当病人吸气和呼气的时候。研究人员在创建对比学习模型时，将其结果与未感染病毒的对照组进行了比较。他的专长是机器学习和计算流体和粒子动态模拟。林的团队推进了该模型，因此它可以将小气道疾病患者与那些更高级的并发症（如肺气肿）的患者区分开来。

"该研究以一种独立的方式证明了后COVID患者有两种类型的肺部损伤（小气道疾病和肺实质纤维化/炎症），这些损伤在从最初的SARS CoV-2感染中恢复后仍然存在，"这项研究的共同作者Comellas说。

"胸部X射线成本较低，而CT扫描则比较昂贵，而且不容易获得，"Lin补充说。"我们的模型可以进一步改进，我相信它有可能在所有诊所使用，而不必购买昂贵的成像设备，如CT扫描仪。"

作者指出，这项研究是有限的，部分原因是样本量小，而且病人来自一个医疗机构。他们写道，更大的样本量可能会发现更多源于长病程COVID的肺功能变化。