Inteligência Artificial analisa a probabilidade, extensão de COVID-19 na TC de tórax

O algoritmo disponível gratuitamente pode produzir desempenho diagnóstico comparável aos radiologistas para avaliar a probabilidade e gravidade de COVID-19 em exames de TC de tórax sem contraste em pacientes com suspeita de ter a doença.

10 Ago, 2020

Um algoritmo de inteligência artificial (IA) disponível gratuitamente pode produzir desempenho diagnóstico comparável aos radiologistas para avaliar a probabilidade e gravidade de COVID-19 em exames de TC de tórax sem contraste em pacientes com suspeita de ter a doença, de acordo com pesquisa publicada online em Radiologia em 30 de julho. CORADS-AI é um sistema de três algoritmos de aprendizagem profunda que segmenta automaticamente os cinco lobos pulmonares. Foi desenvolvido por uma equipe de pesquisadores liderada pelo primeiro autor Nikolas Lessmann, PhD, e pelo autor sênior Bram van Ginneken, PhD, do Radboud University Medical Center em Nijmegen, Holanda.

CORADS-AI atribui uma pontuação COVID-19 Reporting and Data System (CO-RADS) para a suspeita de COVID-19 e fornece uma pontuação de gravidade CT (CTSS) para o grau de envolvimento do parênquima por lóbulo. Nos testes, CORADS-AI rendeu alta precisão diagnóstica, bem como avaliações de gravidade que tiveram concordância moderada a substancial com os radiologistas. "Acreditamos que o sistema de IA pode ser útil para apoiar os radiologistas em relatórios de TC padronizados durante os períodos de maior movimento", escreveram os autores. "Os escores de gravidade da TC avaliados automaticamente por lóbulo podem ter informações de prognóstico e podem ser usados ​​para quantificar o dano pulmonar, também durante o acompanhamento do paciente."

Pontuação padronizada

Os sistemas de pontuação de TC padronizados - como CO-RADS para avaliar a probabilidade de COVID-19 com base em exames de TC de tórax sem contraste e o CTSS para relatar a extensão do envolvimento do parênquima - podem permitir uma tomada de decisão clínica rápida e consistente, de acordo com Os pesquisadores. Enquanto isso, uma série de algoritmos de IA foram desenvolvidos para leitura automatizada de tomografias COVID-19, mas seu valor prático é discutível, de acordo com os pesquisadores. "Sem aderir aos padrões de relatórios radiológicos, é duvidoso que esses algoritmos forneçam algum benefício real além ou em vez da leitura manual, limitando sua adoção na prática diária", escreveram os autores.

Como resultado, os pesquisadores procuraram treinar e validar um algoritmo de IA que pontua automaticamente tomografias computadorizadas de tórax de pacientes suspeitos de COVID-19 com base nos sistemas CO-RADS e CTSS. Eles desenvolveram o CORADS-AI usando dados de 476 pacientes que receberam TC do tórax por suspeita clínica de COVID-19 moderado a grave em um centro médico acadêmico na Holanda.

O teste interno do algoritmo foi realizado em um conjunto separado de 105 pacientes que haviam sido relatados anteriormente por sete radiologistas de tórax e um residente de radiologia para um estudo de observador avaliando CO-RADS. Os pesquisadores também testaram o modelo em um conjunto de teste externo de 262 pacientes de um hospital universitário na Holanda.

Desempenho do CORADS-AI para distinguir entre casos COVID-19 positivos e negativos
  Oito radiologistas em conjunto de teste interno CORADS-AI no conjunto de teste interno Pontuações CO-RADS relatadas por radiologistas em conjunto de teste externo CORADS-AI em conjunto de teste externo
Área sob a curva n / D 0,95 n / D 0,88
Sensibilidade 61,4% 85,7% 74,9% 82%
Especificidade 99,7% 89,8% 89,2% 80,5%
         
         
         
         

No conjunto de teste externo, a pontuação CO-RADS do algoritmo estava em concordância absoluta com a pontuação CO-RADS mediana de todas as combinações de sete dos oito leitores em 64,1% dos casos e dentro de uma categoria em 85,5% dos casos. Os pesquisadores encontraram concordância moderada a substancial (kappa = 0,69) entre os escores do AI CO-RADS e os observadores (kappa = 0,60 para o conjunto de teste interno e 0,69 para o conjunto de teste externo).

Previsão da gravidade da doença

Quanto à previsão do escore de gravidade CT, o algoritmo estava em concordância absoluta com 17 (10,4%) dos 163 laudos radiológicos no conjunto de teste externo que incluía um escore de gravidade e dentro de um ponto por lóbulo em 146 (89,6%) dos laudos . A concordância foi considerada moderada (kappa = 0,49).

"Uma explicação [para a concordância moderada] pode ser que estimar visualmente a quantidade de parênquima pulmonar afetado é subjetiva; estudos têm mostrado que leitores humanos tendem a superestimar a extensão da doença", escreveram os autores. "Nos quatro casos em que as medições automáticas foram> 10 pontos maiores do que a referência, as causas subjacentes foram artefatos de movimento graves em três casos e um paciente com opacificações causadas por pneumonia por aspiração. Isso destaca a importância da verificação de escores de gravidade determinados automaticamente por humanos. "

O estudo demonstra que um sistema de IA pode identificar pacientes COVID-19 com base em imagens de TC de tórax sem contraste e fornecer desempenho diagnóstico comparável aos radiologistas, de acordo com os pesquisadores.

"É digno de nota que o algoritmo foi treinado para aderir às categorias CO-RADS e, portanto, pode ser interpretado diretamente pelos radiologistas", escreveram eles.

Imagem: Previsões CO-RADS e CT Severity Score (CTSS) para um caso COVID-19 positivo com extenso envolvimento do parênquima. Mulher de 73 anos com resultado do teste RT-PCR positivo. Tomografia computadorizada sem contraste em vista coronal (linha superior), sobreposta com a segmentação automática do lobo (linha do meio) e as áreas detectadas de tecido pulmonar parenquimatoso anormal (linha inferior). Esta figura também mostra as probabilidades que o modelo de inteligência artificial atribuiu a cada categoria CO-RADS (canto inferior esquerdo) e as porcentagens calculadas de tecido parenquimatoso afetado e o CTSS correspondente por lobo por lobo (canto inferior direito). Os oito observadores pontuaram este caso 3x CO-RADS 3, 1x CO-RADS 4 e 4x CO-RADS 5. Imagem e legenda cortesia da RSNA.

Fonte: https://www.auntminnie.com/index.aspx?sec=ser&sub=def&pag=dis&ItemID=129777

 

 
 

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

publicidade