Método de aprendizagem profunda usando ultrassom prevê peso fetal ao nascer

Um novo método que utiliza vídeos de ultrassom prevê o peso fetal ao nascer, de acordo com uma pesquisa holandesa publicada na revista Computers in Biology and Medicine . Uma equipe liderada por Szymon Płotka, da Universidade de Amsterdã, descobriu que seu método, que usa dados clínicos tabulares para avaliar características em exames de vídeo ultrassonográficos fetais, supera os algoritmos atuais e tem desempenho comparável ao dos médicos. “Nosso método tem potencial para ser aplicado no ambiente clínico para auxiliar na seleção do tipo de parto mais seguro para a mãe e para a criança”, escreveram Płotka e coautores. 

Embora a ultrassonografia seja o padrão ouro para avaliar o crescimento e desenvolvimento fetal, a modalidade é suspeita de dependência do usuário, o que pode causar variabilidade nas medidas biométricas fetais. A medição precisa do perímetro cefálico, diâmetro biparietal, circunferência abdominal e comprimento do fêmur para prever o peso fetal ao nascer é importante para o manejo adequado da gravidez e do parto. A equipe Płotka descreveu anteriormente seu método automatizado de previsão do peso fetal ao nascer, que usa dados multimodais e processamento de dados visuais, denominado BabyNet. BabyNet é um modelo híbrido que combina transformadores e redes neurais convolucionais. Ele estende a arquitetura 3D ResNet-18 com um módulo transformador residual.

Para o estudo atual, os pesquisadores queriam testar o desempenho de uma versão refinada do BabyNet, que agora inclui um módulo dinâmico de transformação de mapa de recursos afins. Este módulo utiliza dados clínicos tabulares para melhorar a estimativa do peso fetal ao nascer. Os pesquisadores usaram imagens de ultrassom fetal realizadas 24 horas antes do parto, juntamente com indicadores clínicos relevantes para estimar o peso fetal ao nascer. Eles também usaram o peso real ao nascer após o parto como base. A equipe realizou o desenvolvimento e avaliação da versão mais recente do BabyNet em um conjunto clínico composto por 582 vídeos de ultrassom fetal 2D e registros clínicos de gestações de 194 pacientes realizadas menos de 24 horas antes do parto. Descobriu-se que na validação cruzada quíntupla, o BabyNet apresentou desempenho superior ao dos médicos e à versão original do BabyNet. Isso incluiu taxas de erro mais baixas.

Além disso, a versão refinada do BabyNet superou seis outros algoritmos que medem a previsão do peso fetal ao nascer. Na análise multicêntrica, onde o desempenho da BabyNet foi comparado ao de médicos de quatro centros, os pesquisadores descobriram que a BabyNet teve um desempenho significativamente superior em todos os centros, exceto um (p = 0,09 para um centro). Finalmente, a equipe relatou que o BabyNet mostrou a maior precisão ao medir imagens de ultrassonografia abdominal fetal. Isso incluiu um valor absoluto médio de 175 gramas, um erro quadrático médio de 200 gramas e um erro percentual médio absoluto de 5%.

Os autores do estudo escreveram que o uso da análise de vídeo em exames de ultrassom fetal apresenta “várias” vantagens em relação às imagens estáticas. Isso inclui o uso de representações de recursos espaço-temporais 2D para melhorar o desempenho. “A utilização de sequências curtas de vídeo em nosso método pode evitar a necessidade de conhecimentos e habilidades especializadas para a estimativa precisa do peso fetal ao nascer, uma vez que não dependia totalmente de um plano padrão de referência”, escreveram. A equipe pediu que estudos futuros tivessem conjuntos de dados maiores, com mais operadores de diferentes grupos de habilidades e mais varreduras por operador. O estudo completo pode ser encontrado aqui .

Fonte: https://www.auntminnie.com/imaging-informatics/advanced-visualization/article/15636956/deeplearning-method-using-ultrasound-predicts-fetal-birth-weight?braze_int_id=64e760923e00fe000164e7c3&braze_ext_id=643033e619ef38833c6305f5