A análise quantitativa de ultrassom pulmonar detecta com precisão COVID-19
Em um estudo piloto, pesquisadores liderados pelo Dr. Laith Sultan, da Universidade da Pensilvânia, usaram um método de segmentação semiautomático para detectar e analisar quantitativamente características da linha pleural (linha p) em 20 imagens de ultrassom.
Uma técnica de ultrassom pulmonar quantitativo pode ser altamente precisa para detectar e monitorar COVID-19, superando as características tradicionais de textura pulmonar, de acordo com uma pesquisa publicada em 2 de abril no Journal of the American College of Emergency Physicians. Em um estudo piloto, pesquisadores liderados pelo Dr. Laith Sultan, da Universidade da Pensilvânia, usaram um método de segmentação semiautomático para detectar e analisar quantitativamente características da linha pleural (linha p) em 20 imagens de ultrassom. Eles descobriram que o método baseado em computador era superior às características de textura do pulmão e perfeitamente distinguido entre pacientes com COVID-19 e indivíduos normais.
"Este sistema, quando implementado em dispositivos de ultrassom que são usados atualmente na prática clínica, pode ser de grande valor para melhorar o diagnóstico e o monitoramento de pacientes com COVID-19", disse Sultan ao AuntMinnie.com . “Isso ajudaria a superar as limitações atuais em imagens de ultrassom relacionadas à dependência do usuário e à subjetividade das decisões diagnósticas”.
Embora a ultrassonografia pulmonar seja útil na avaliação da pneumonia COVID-19, é inerentemente uma modalidade dependente do usuário e a falta de treinamento pode resultar em erros. As radiografias de tórax, o método mais comum de imagem de pacientes com COVID-19, têm baixa sensibilidade. Embora seja mais sensível, a tomografia computadorizada de tórax tem sido limitada devido às preocupações com a exposição à radiação e à falta de disponibilidade em instalações de saúde sobrecarregadas, segundo os pesquisadores. “Continua a haver necessidade de métodos de imagem alternativos que permitam uma avaliação rápida, de baixo custo e fácil de usar dos pacientes com COVID-19”, observaram os autores.
O estudo retrospectivo foi realizado com 20 imagens de ultrassom modo B - 10 de pacientes COVID-19 e 10 de casos normais - adquiridas no Hospital Universitario La Paz em Madrid, Espanha. Os autores desenvolveram um software para segmentar as imagens e extrair os recursos da imagem. Depois que o software detecta a linha p, ele extrai sete características quantitativas: espessura da linha, variação da espessura, desvio da intensidade projetada, não linearidade, tortuosidade, brilho e heterogeneidade.
Além disso, sete recursos de textura pulmonar quantitativa tradicionais também foram extraídos e usados como base para um modelo preditivo. Esses recursos incluíram ecointensidade, heterogeneidade, não uniformidade de nível de cinza (GLNU), não uniformidade de comprimento de execução (RLNU), matrizes de coocorrência de nível de cinza (GLCM), homogeneidade e entropia. A equipe descobriu que seis dos sete recursos da linha p mostrados na tecnologia baseada em computador tinham uma diferença significativa entre os casos normais e COVID-19, a única exceção sendo o brilho. Enquanto isso, apenas duas das sete características tradicionais da textura do pulmão produziram diferenças tão significativas. "O modelo da linha p mostrou uma separação superior do COVID-19 dos casos normais em comparação com o modelo de textura pulmonar tradicional, cujas características foram estreitamente distribuídas e até mesmo sobrepostas", disse Sultan.
A combinação dos resultados de todos os sete recursos da linha p produziu um desempenho diagnóstico perfeito.
Desempenho para diferenciar COVID-19 de casos normais | |||
Sensibilidade | Especificidade | Área sob a curva (AUC) | |
Recursos da linha P | 100% | 100% | 1 |
TLT | 90% | 70% | 0,79 |
Quando implementada com sucesso na prática clínica, a tecnologia tem o potencial de aumentar a confiança no diagnóstico, especialmente em comunidades de poucos recursos em todo o mundo que não têm experiência em ultrassom pulmonar, disseram os autores. Estudos futuros maiores irão incorporar métodos avançados de aprendizado de máquina para otimizar o algoritmo de detecção da linha p para robustez e automação, de acordo com os pesquisadores.
Imagem: Exemplos de imagens de ultrassom de pulmão que demonstram o método de detecção semiautomático de linhas pleurais. O painel superior (A) mostra um caso confirmado de COVID-19 com espessamento pleural e irregularidade. O painel direito A mostra a linha pleural detectada com a segmentação semiautomática. O painel inferior (B) mostra um exemplo de um caso normal em que a linha pleural é delineada por segmentação semiautomática. As imagens e a legenda são cortesia do Journal of the American College of Emergency Physicians .
Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=ult&pag=dis&ItemID=132070
A PHP Error was encountered
Severity: Warning
Message: sizeof(): Parameter must be an array or an object that implements Countable
Filename: front/noticias-detalhe.php
Line Number: 15
A PHP Error was encountered
Severity: Warning
Message: sizeof(): Parameter must be an array or an object that implements Countable
Filename: front/noticias-detalhe.php
Line Number: 32
Compartilhe
NOTÍCIAS RELACIONADAS
publicidade
MAIS LIDAS
publicidade