O uso de inteligência artificial com tomografia computadorizada de cabeça ajuda os médicos a localizar hemorragia

As descobertas sugerem que o uso de IA para analisar hemorragias cerebrais pode não apenas melhorar o atendimento ao paciente, mas também otimizar o fluxo de trabalho do departamento de radiologia.

22 Abr, 2022

O uso de um algoritmo de inteligência artificial (IA) com tomografia computadorizada de cabeça sem contraste ajuda os médicos a identificar, localizar e caracterizar melhor as hemorragias intracranianas, de acordo com um estudo publicado em 20 de abril na Radiology: Artificial Intelligence . As descobertas sugerem que o uso de IA para analisar hemorragias cerebrais pode não apenas melhorar o atendimento ao paciente, mas também otimizar o fluxo de trabalho do departamento de radiologia, disse uma equipe liderada por Eli Gibson, PhD, da Siemens Healthineers em um comunicado divulgado pela RSNA. “A esperança é que os sistemas de IA para diagnóstico por imagem possam ajudar a reduzir erros de percepção e/ou interpretação e, assim, reduzir a incerteza”, disse o grupo.

A TC sem contraste é comumente usada para avaliar condições neurológicas urgentes, como acidente vascular cerebral e traumatismo craniano, observou a equipe. É especialmente eficaz para identificar hemorragia intracraniana aguda, que tem uma taxa de mortalidade em um mês de 40% - tornando imperativo diagnosticá-la com precisão e rapidez. A IA pode ajudar a minimizar o tempo de interpretação e o tempo de tratamento. “Os algoritmos de IA acionados imediatamente após a aquisição da imagem podem sinalizar hemorragias para informar a interpretação da imagem e os protocolos de terapia, notificar radiologistas ou outros médicos e redefinir as prioridades das listas de trabalho de radiologia”, escreveram os autores.

Mas os algoritmos de IA não são perfeitos, um fato que pode afetar a confiança que os médicos estão dispostos a depositar neles. Em um estudo apoiado pela Siemens, o grupo de Gibson avaliou o desempenho de um método de IA que identifica, tipifica e localiza hemorragia intracraniana aguda e subaguda em exames de TC sem contraste e gera uma pontuação de confiança de detecção que pode melhorar a precisão da interpretação e a priorização da lista de trabalho de radiologia. A pesquisa incluiu 46.057 estudos de TC; os dados foram categorizados em "internos" (para treinamento do modelo) e "externos" (para calibração e avaliação do mesmo). O desempenho do algoritmo foi medido usando a análise da área sob a curva característica do operador do receptor (AUC ROC) e o tempo de retorno do relatório. Os autores também estimaram dois escores de confiança (classificador calibrado [CC] e Dempster-Shafer [DS], ambos baseados em uma escala de 0 a 1, com escores mais altos denotando maior confiança).

As medidas AUC ROC foram altas - particularmente com o conjunto de dados interno ou de treinamento - demonstrando bom desempenho do algoritmo na detecção, localização e subtipagem de hemorragia intracraniana.

Desempenho do algoritmo de IA para detecção de hemorragia e subtipagem de exames de TC

 

Tipo de hemorragia AUC Sensibilidade Especificidade
Conjunto interno (treinamento)
Intracraniano 0,97 92% 93%
Subaracnóide 0,90 87% 82%
Subdural 0,92 84% 89%
Epidural 0,93 90% 78%
Intraparenquimatoso 0,92 90% 84%
Intraventricular 0,96 89% 93%
Conjunto externo (calibrando/avaliando)
Intracraniano 0,95 86% 92%
Subaracnóide 0,88 84% 78%
Subdural 0,85 76% 83%
Epidural 0,77 56% 83%
Intraparenquimatoso 0,92 88% 84%
Intraventricular 0,96 90% 92%

 

A pontuação de confiança CC foi 0,93 e a pontuação DS foi 0,92 para o conjunto de dados interno e 0,88 e 0,89 para o conjunto de dados externo. O grupo também descobriu que o algoritmo de IA mostrou potencial para ajudar a reduzir o tempo de resposta do relatório em 25% a 27%.

O uso do algoritmo de IA com tomografia computadorizada pode se traduzir em melhor atendimento ao paciente, observou a equipe. "Identificar subtipos de hemorragia e segmentação com medição automatizada da localização e volume da hemorragia pode permitir uma priorização mais precisa", concluiu.

Imagem: Imagens axiais de TC sem contraste de cabeça ilustrativas com segmentações preditas e de referência; vermelho mostra verdadeiro-positivo, azul mostra falso-negativo e verde mostra voxels falso-positivo. (AE) são estudos verdadeiro-positivos de alta confiança, (F) e (G) são estudos verdadeiro-positivos de baixa confiança e (H) é um resultado falso-negativo de baixa confiança. As setas e inserções são mostradas para (FH) para melhorar a visibilidade das sobreposições. O shunt adjacente e medial à hemorragia em (F) e a inclinação da cabeça em (G) podem ter afetado os escores de confiança. Imagens e legendas cortesia da RSNA.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=cto&pag=dis&ItemID=135576

 

 

Compartilhe


NOTÍCIAS RELACIONADAS