Avaliação tomográfica das alterações pulmonares na fase crônica da COVID-19

• Ano de defesa: 2025
• Autor(a) principal: Chate, Rodrigo Caruso
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: COVID-19; Post-acute COVID-19 syndrome; Respiratory function tests; Síndrome pós-COVID-19 aguda; Testes de função respiratória; Tomografia computadorizada por raios X; Tomography X-ray computed
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/5/5151/tde-23032026-162044/

Introdução: As sequelas pulmonares de longo prazo da COVID-19 ainda não são totalmente compreendidas e têm sido estudadas, principalmente, no que diz respeito à fibrose pós-COVID-19. Por sua vez, o comprometimento das pequenas vias aéreas tem recebido atenção limitada na literatura, apesar de seu potencial papel na persistência de sintomas respiratórios na fase crônica da doença. Objetivos: Descrever diferentes fenótipos de imagem em pacientes previamente hospitalizados por COVID-19, por meio da integração entre tomografia computadorizada quantitativa (TCQ) e técnicas de aprendizado de máquina, com especial interesse na doença de pequenas vias aéreas (DPVA) pós-COVID-19 e sua correlação com parâmetros funcionais obtidos por pletismografia de corpo inteiro. Métodos: Estudo transversal retrospectivo, de centro único, que avaliou 257 adultos sobreviventes da primeira onda da COVID 19 (média de idade: 56 ± 13 anos; 49% do sexo masculino), previamente hospitalizados no Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP), com mediana de tempo de internação de 16 dias (intervalo interquartil: 826). Todos os participantes foram submetidos à pletismografia de corpo inteiro e à tomografia computadorizada volumétrica do tórax com fases inspiratória e expiratória, entre 6 e 12 meses após a alta hospitalar. Os parâmetros da TCQ foram obtidos por meio da plataforma AI-Rad Companion Chest CT (Siemens Healthineers). Resultados: A análise de agrupamento hierárquico não supervisionado de 13 variáveis da TCQ, utilizando técnicas de aprendizado de máquina, permitiu a identificação de quatro fenótipos de imagem distintos entre os sobreviventes, denominados: DPVA, intermediário, fibrótico jovem e fibrótico idoso, com base em suas características clínicas, funcionais e de imagem. O fenótipo DPVA (n = 37; 14%) apresentou maior volume residual (VR), maior relação VR/capacidade pulmonar total (CPT) e menor relação FEF25-75/capacidade vital forçada (CVF) na pletismografia. O fenótipo fibrótico idoso (n = 42; 16%) apresentou os menores valores de CPT e CVF. Já o fenótipo fibrótico jovem (n = 79; 31%) demonstrou menor VR e menor relação VR/CPT, além de maior FEF25-75 em comparação aos demais. O fenótipo intermediário (n = 99; 39%) apresentou características funcionais e tomográficas intermediárias entre os fenótipos fibróticos e o fenótipo DPVA. Conclusão: A integração entre análise quantitativa de TC de tórax com fases inspiratória e expiratória e técnicas de aprendizado de máquina permitiu a caracterização de fenótipos tomográficos distintos em pacientes com COVID longa, incluindo um fenótipo sugestivo de DPVA, fortemente associado a alterações funcionais indicativas de comprometimento das pequenas vias aéreas.