Opportunities to reduce the radiation exposure during computed tomography to assess the changes in the lungs in patients with COVID-19: use of adaptive statistical iterative reconstruction

Cover Image

Cite item

Full Text

Abstract

BACKGROUND: Several COVID-19 patients are subjected to multiple imaging examinations during hospitalization, the cumulative effect of which can significantly increase the total dose of radiation received. The effective radiation dose can be reduced by lowering the current and voltage of the X-ray tube, but this reduces image quality. One possible solution is to use adaptive statistical iterative reconstruction technology on the «raw» CT data. Recently, data on the efficacy of low-dose CT (LDCT) in the diagnosis of COVID-19 have appeared in the literature.

AIM: To analyze the quality and diagnostic value of LDCT images of the lungs after applying an iterative processing algorithm and to assess the possibility of reducing the radiation load on the patient when diagnosing COVID-19.

MATERIALS AND METHODS: Patients from the Infectious Diseases Department of the Moscow State University Hospital participated in the prospective study. CT examinations were performed at the time of patient admission and discharge and were repeated as needed during hospitalization. In the first study, a standard CT protocol with a tube voltage of 120 kV and automatic current modulation in the range of 200–400 mA was used; in repeated CT scans, the LDCT protocol was used with reduced tube voltage parameters (100 or 110 kV) and automatic current modulation in the range of 40–120 mA. To assess the diagnostic value of LDCT in comparison with standard CT, a survey was conducted among doctors from the Department of Radiation Diagnostics at Moscow State University Hospital. The questionnaire included a comparison of the two methods for identifying the following pathological processes: «ground-glass» opacities, compaction of the lung tissue with reticular changes, areas of lung tissue consolidation, and lymphadenopathy.

RESULTS: The study included 151 patients. The average age was 58±14.2 years, with men accounting for 53.6% of the population. During LDCT the radiation load was reduced by 2.96 times on average, CTDI by 2.6 times, DLP by 3.1 times, the current on the tube by 1.83 times, and the voltage on the tube by 1.2 times. The results indicate that the effectiveness of detecting the main signs of viral pneumonia and assessing the dynamics of the patient’s condition does not differ significantly from CT performed according to the standard protocol.

CONCLUSIONS: The results of a comparison of standard and low-dose CT show that there is no significant loss of diagnostic information and image quality as the radiation load is reduced. Thus, chest LDCT can be used to successfully diagnose COVID-19 in routine practice.

About the authors

Daria A. Filatova

Lomonosov Moscow State University

Author for correspondence.
Email: dariafilatova.msu@mail.ru
ORCID iD: 0000-0002-0894-1994
SPIN-code: 2665-5973

Medical Research and Educational Center

Russian Federation, 1a Shkolnaya street, 143430 Nakhabino, Moscow region

Valentin E. Sinitsin

Lomonosov Moscow State University

Email: vsini@mail.ru
ORCID iD: 0000-0002-5649-2193
SPIN-code: 8449-6590

MD, PhD, Professor, Medical Research and Educational Center

Russian Federation, Moscow

Elena A. Mershina

Lomonosov Moscow State University

Email: elena_mershina@mail.ru
ORCID iD: 0000-0002-1266-4926
SPIN-code: 6897-9641

MD, PhD, Associate Professor, Medical Research and Educational Center

Russian Federation, Moscow

References

  1. Ministry of Health of the Russian Federation. Temporary guidelines: prevention, diagnosis and treatment of new coronavirus infection. Version 8 (03.09.2020). Moscow; 2020. (In Russ). Available from: https://base.garant.ru/74596434/
  2. Romanov BK. Coronavirus infection COVID-19. Safety and Risc of Farmacotherapy. 2020;8(1):3–8. (In Russ.)
  3. Morozov SP, Protsenko DN, Smetanina SV, et al. Radiation diagnostics of coronavirus disease (COVID-19): organization, methodology, interpretation of results: preprint No. CDT-Version 2 of 17.04.2020. Moscow; 2020. 78 р. (In Russ.)
  4. Udugama B, Kadhiresan P, Kozlowski HN, et al. Diagnosing COVID-19: the disease and tools for detection. ACS Nano. 2020;14(4):3822–3835. doi: 10.1021/acsnano.0c02624
  5. Zhao W, Zhong Z, Xie X, et al. Relation between chest ct findings and clinical conditions of coronavirus disease (COVID-19) pneumonia: a multicenter study. AJR Am J Roentgenol. 2020;214(5):1072–1077. doi: 10.2214/AJR.20.22976
  6. Beregi JP, Greffier J. Low and ultra-low dose radiation in CT: Opportunities and limitations. Diagn Interv Imaging. 2019;100(2):63–64. doi: 10.1016/j.diii.2019.01.007
  7. Cheng L, Chen Y, Fang T, et al. Fast iterative adaptive reconstruction in low-dose CT imaging. In: 2006 International Conference on Image Processing. Atlanta, GA: IEEE; 2006. P. 889–892. Available from: https://ieeexplore.ieee.org/document/4106673/
  8. Hara AK, Paden RG, Silva AC, et al. Iterative reconstruction technique for reducing body radiation dose at CT: feasibility study. AJR Am J Roentgenol. 2009;193(3):764–771. doi: 10.2214/AJR.09.2397
  9. Prakash P, Kalra M, Kambadakone A, et al. Reducing abdominal CT radiation dose with adaptive statistical iterative reconstruction technique. Invest Radiol. 2010;45(4):202–210. doi: 10.1097/RLI.ob013e3181dzfeec
  10. Chen LG, Wu PA, Sheu MH, et al. Automatic current selection with iterative reconstruction reduces effective dose to less than 1 mSv in low-dose chest computed tomography in persons with normal BMI. Medicine (Baltimore). 2019;98(28):e16350. doi: 10.1097/MD.0000000000016350
  11. Dangis A, Gieraerts C, De Brueker Y, et al. Accuracy and reproducibility of low-dose submillisievert chest CT for the diagnosis of COVID-19. Radiology Cardiothoracic Imaging. 2020;2(2):e200196. doi: 10.1148/ryct.2020200196
  12. Sethuraman N, Jeremiah SS, Ryo A. Interpreting diagnostic tests for SARS-CoV-2. JAMA. 2020;323(22):2249–2251. doi: 10.1001/jama.2020.8259
  13. Long C, Xu H, Shen Q, et al. Diagnosis of the Coronavirus disease (COVID-19): rRT-PCR or CT? Eur J Radiol. 2020;126:108961. doi: 10.1016/j.ejrad.2020.108961
  14. Fang Y, Zhang H, Xie J, et al. Sensitivity of chest CT for COVID-19: comparison to RT-PCR. Radiology. 2020;296(2):E115–E117. doi: 10/1148/radiol.2020200432
  15. Yang Y, Yang M, Shen C, et al. Evaluating the accuracy of different respiratory specimens in the laboratory diagnosis and monitoring the viral shedding of 2019-nCoV infections. medRxiv. 2020. doi: 10.1101/2020.02.11.20021493
  16. Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med. 2007;357(22):2277–2284. doi: 10.1056/NEJMra072149
  17. Pierce DA, Preston DL. Radiation-related cancer risks at low doses among atomic bomb survivors. Radiat Res. 2000;154(2):178–186. doi: 10.1667/0033-7587(2000)154[0178:rrcral]2.0.co;2
  18. Matkevich E, Sinitsyn V, Mershina E. Comparative analysis of radiation doses of patients with computed tomography in a Federal medical institution. Journal of Radiology and Nuclear Medicine. 2016;97(1):33–39. (In Russ). doi: 10.20862/0042-4676-2016-97-1-33-40
  19. Naidich DP, Marshall CH, Gribbin C, et al. Low-dose CT of the lungs: preliminary observations. Radiology. 1990;175(3):729–731. doi: 10.1148/radiology.175.3.2343122
  20. Prasad SR, Wittram C, Shepard JA, et al. Standard-dose and 50%-reduced-dose chest CT: comparing the effect on image quality. AJR Am J Roentgenol. 2002;179(2):461–465. doi: 10.2214/ajr.179.2.1790461
  21. Zwirewich CV, Mayo JR, Müller NL. Low-dose high-resolution CT of lung parenchyma. Radiology. 1991;180(2):413–417. doi: 10.1148/radiology.180.2.2068303
  22. Zhu X, Yu J, Huang Z. Low-dose chest CT: optimizing radiation protection for patients. AJR Am J Roentgenol. 2004;183(3):809–816. doi: 10.2214/ajr.183.3.1830809
  23. Kubo T, Ohno Y, Takenaka D, et al. Standard-dose vs. low-dose CT protocols in the evaluation of localized lung lesions: Capability for lesion characterization – iLEAD study. Eur J Radiol Open. 2016;3:67–73. doi: 10.1016/j.ejro.2016.03.002
  24. Gombolevsky VA, Chernina VY, Blokhin IA. Main achievements of low-dose computed tomography in lung cancer screening. Tuberculosis and Lung Diseases. 2021;99(1):61–70. (In Russ). doi: 10.21292/2075-1230-2021-99-1-61-7025.
  25. Rampinelli C, De Marco P, Origgi D, et al. Exposure to low dose computed tomography for lung cancer screening and risk of cancer: secondary analysis of trial data and risk-benefit analysis. BMJ. 2017;356:j347. doi: 10.1136/bmj.j347
  26. Chiles C. Lung cancer screening with low dose CT. Radiol Clin North Am. 2014;52(1):27–46. doi: 10.1016/j.rcl.2013.08.006.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Patient, 78 years old: standard computed tomography at admission was performed with a radiation load of 2.5 mSv (a), low-dose computed tomography - 1.0 mSv (b).

Download (169KB)
Indexing metadata
3. Fig. 2. Patient, 72 years old: standard computed tomography at admission was performed with radiation exposure of 2.1 mSv (a), low-dose computed tomography - 0.87 mSv (b).

Download (161KB)
Indexing metadata
4. Fig. 3. Patient, 60 years old: standard computed tomography at admission was performed with a radiation load of 3.3 mSv (a), low-dose computed tomography - 1.1 mSv (b).

Download (171KB)
Indexing metadata
5. Fig. 4. Patient, 46 years old: standard computed tomography at admission was performed with a radiation dose of 5.6 mSv (a), low-dose computed tomography - 1.7 mSv (b).

Download (160KB)
Indexing metadata
6. Fig. 5. Patient, 40 years old: standard computed tomography at admission was performed with radiation exposure of 6.8 mSv (a), low-dose computed tomography - 2.0 mSv (b).

Download (159KB)
Indexing metadata
7. Fig. 6. Patient, 56 years old: standard computed tomography at admission was performed with a radiation load of 1.6 mSv (a), low-dose computed tomography - 0.87 mSv (b).

Download (139KB)
Indexing metadata

Copyright (c) 2021 Filatova D.A., Sinitsin V.E., Mershina E.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».