Inteligência Artificial pode prever a necessidade de tratamentos com esteróides em pacientes COVID-19

Depois de conduzir uma análise de tendência temporal na análise do algoritmo das tomografias longitudinais, pesquisadores também descobriram que seus escores de predição correspondiam à progressão esperada de ambos os grupos de pacientes durante a hospitalização.

12 Fev, 2021

A análise baseada em aprendizagem profunda de exames de TC de tórax pode prever se um paciente com COVID-19 precisará ser tratado com esteróides, bem como monitorar sua progressão, de acordo com uma apresentação na quarta-feira durante um webinar realizado pela International Sociedade de Óptica e Fotônica (SPIE). Pesquisadores da Universidade de Chicago liderados pelo primeiro autor Jordan Fuhrman desenvolveram uma abordagem baseada em inteligência artificial (IA) que rendeu um alto nível de precisão prognóstica antes do tratamento e também se correlacionou bem com a progressão do paciente durante sua internação hospitalar.

"Demonstramos o potencial de aprendizagem de transferência em cascata tanto para avaliação pré-tratamento quanto para avaliação intermediária de COVID-19 [pacientes] que realizamos usando apenas dados de imagem", disse Furhman, um estudante de doutorado.

A busca por tratamentos eficazes para COVID-19 ainda está em andamento. Muitos recorreram, no entanto, aos corticosteróides - dexametasona ou metilprednisolona - para o tratamento de casos graves de COVID-19, disse Furhman. "No entanto, esses tratamentos podem ser usados ​​com moderação porque eles vêm com efeitos colaterais potencialmente adversos graves", disse ele.

Os pesquisadores levantaram a hipótese de que o uso de tomografia computadorizada quantitativa e aprendizagem profunda poderia informar o manejo do paciente COVID-19 ao prever na admissão se a metilprednisolona será necessária durante o tratamento, bem como aumentar as medições clínicas para informar melhor a tomada de decisão no meio do tratamento.

Tomando uma abordagem de transferência de aprendizagem "em cascata", os pesquisadores utilizaram uma rede neural convolucional VGG19 que foi pré-treinada primeiro no banco de dados ImageNet e, em seguida, ajustada em 814 tomografias de baixa dosagem de um estudo anterior que avaliou tomografias para a presença ou ausência de enfisema.

Dois classificadores de máquina de vetores de suporte (SVM) diferentes foram desenvolvidos, um para a tarefa de pré-tratamento de prever se um paciente precisaria ou não de esteróides e o outro para monitorar o paciente durante o tratamento. Ambos os classificadores SVM geram uma pontuação de predição para determinar se um paciente irá receber tratamento com esteróides.

Criado com o objetivo de ajudar a melhorar o gerenciamento de recursos hospitalares, o primeiro classificador de SVM foi treinado usando apenas a TC de tórax inicial na admissão de 41 pacientes COVID-19, incluindo 27 exames de pacientes que passaram a receber esteroides e 14 que não o fizeram não preciso desse tratamento. O segundo classificador de SVM também foi treinado utilizando recursos de todas as 221 tomografias computadorizadas longitudinais adquiridas de 41 pacientes ao longo de sua internação. Das tomografias usadas no estudo, 80% foram usadas para treinamento e 20% foram reservadas para teste.

O classificador SVM de pré-tratamento rendeu uma área sob a curva de 0,85 ao estimar a probabilidade de um paciente COVID-19 ser recomendado para tratamento com esteróides. Em comparação com a suposição aleatória, a diferença foi estatisticamente significativa (p = 0,002). "Em nossa opinião, este é um desempenho muito forte", disse Furhman.

Depois de conduzir uma análise de tendência temporal na análise do algoritmo das tomografias longitudinais, os pesquisadores também descobriram que seus escores de predição correspondiam à progressão esperada de ambos os grupos de pacientes durante a hospitalização. Eles compartilharam mais detalhes sobre seus resultados em um artigo publicado online no Journal of Medical Imaging .

Os pesquisadores agora estão trabalhando para conseguir mais casos para validar ainda mais seu método, disse Fuhrman.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=cto&pag=dis&ItemID=131558

 

 

 

Compartilhe


NOTÍCIAS RELACIONADAS