Inteligência Artificial ajuda radiologistas a interpretar tomografias computadorizadas sem contraste

Um novo modelo de aprendizagem profunda projetado para ajudar os radiologistas a ler exames de tomografia computadorizada sem contraste economizou tempo e melhorou a precisão, de acordo com novas descobertas publicadas na European Radiology . Os autores do estudo se concentraram em 32 radiologistas que avaliaram 2.848 tomografias cerebrais sem contraste com e sem a ajuda da tecnologia avançada de inteligência artificial (IA) desenvolvida por  annalise.ai . Os radiologistas avaliaram relatórios e diagnosticaram pacientes sem o auxílio do sistema Annalise Enterprise CTB e, posteriormente, os mesmos radiologistas realizaram leituras semelhantes com o auxílio da tecnologia de IA. As tomografias cerebrais sem contraste são amplamente utilizadas para a detecção de patologia intracraniana, mas sua interpretação pode estar sujeita a erros. O estudo teve como objetivo ver até que ponto a tecnologia de IA pode ser útil no fornecimento de um segundo par de olhos, para medir até que ponto o sistema pode melhorar a precisão do diagnóstico de radiologistas treinados. 

O modelo de aprendizagem profunda examinado foi treinado usando 212.484 exames extraídos de um grupo privado de radiologia na Austrália. No geral, a IA conseguiu melhorar o diagnóstico de um radiologista em 91 descobertas, e o tempo de leitura também foi reduzido. No geral, a precisão das leituras radiológicas melhorou quando os radiologistas foram auxiliados pela tecnologia de IA. No entanto, os investigadores notaram que são as especificidades que tornam estas descobertas especialmente interessantes. “Os benefícios do modelo foram mais pronunciados ao ajudar os radiologistas na detecção de achados sutis”, escreveu o primeiro autor  Quinlan Buchlak, MD , da Universidade de Notre Dame, Austrália, na Austrália, e colegas.. “O desempenho do modelo para 'infarto em bacia hidrográfica', com uma AUC de 0,92, indicou que, embora esse achado tenha sido difícil de ser detectado pelos radiologistas, anormalidades sutis estavam geralmente presentes na tomografia computadorizada que permitiram a detecção pelo modelo. A AUC para leitores aumentados foi de 0,68, enquanto os leitores não aumentados demonstraram uma AUC média de 0,57. A melhoria considerável dos radiologistas na detecção destes enfartes quando assistidos pelo modelo sugere que os resultados destes estudos eram visíveis ao olho humano, embora muitas vezes tenham sido perdidos no braço não assistido do estudo.”

Os autores concluíram que ainda são necessárias mais pesquisas para compreender completamente os benefícios da tecnologia. 

Annalise.ai ajudou a financiar esta análise. 

Imagem: Imagem cortesia de annalise.ai.

Fonte: https://healthimaging.com/topics/artificial-intelligence/annalise-ai-study-radiology-research?utm_source=newsletter&utm_medium=hi_news