Inteligência Artificial pode diagnosticar osteoporose no raio-X do quadril

Um novo método que combina informações de imagem com IA pode diagnosticar osteoporose a partir de raios-X do quadril, de acordo com um estudo em Radiologia: Inteligência Artificial . Os pesquisadores disseram que a abordagem pode ajudar a acelerar o tratamento dos pacientes antes que ocorram fraturas. Pessoas com osteoporose são suscetíveis a fraturas associadas à fragilidade óssea, resultando em má qualidade de vida e aumento da mortalidade. De acordo com estatísticas da International Osteoporosis Foundation, uma em cada três mulheres em todo o mundo com idade superior a 50 anos e um em cada cinco homens sofrerão fraturas osteoporóticas ao longo da vida.

A triagem precoce para osteoporose com absorciometria de raios X de dupla energia (DXA) para avaliar a densidade mineral óssea é uma ferramenta importante para o tratamento oportuno que pode reduzir o risco de fraturas. No entanto, a baixa disponibilidade dos scanners e o custo relativamente alto têm limitado seu uso para rastreamento e acompanhamento pós-tratamento. 

Em contraste, a radiografia simples está amplamente disponível e é usada com frequência na prática diária. Apesar desses atributos, tem sido relativamente subutilizado no tratamento da osteoporose, porque o diagnóstico da osteoporose usando apenas raios-X é um desafio mesmo para um radiologista experiente.

“Para pacientes com dor no quadril, os radiologistas geralmente avaliam apenas os achados de imagem que podem causar dor, como fraturas, osteonecrose e osteoartrite”, disse o autor do estudo Hee-Dong Chae, MD, do Departamento de Radiologia do Hospital da Universidade Nacional de Seul, em Seul. Coréia. “Embora as imagens de raios-X contenham mais informações sobre a saúde dos ossos e músculos do paciente, essas informações geralmente são negligenciadas ou consideradas menos importantes”.

Método Habilitado Diagnóstico Oportunístico da Osteoporose

Dr. Chae e colegas desenvolveram um modelo que pode diagnosticar automaticamente a osteoporose a partir de raios-X do quadril. O método combina radiômica, uma série de métodos de processamento e análise de imagens para obter informações da imagem com aprendizado profundo.

Os pesquisadores desenvolveram o modelo de radiômica profunda usando quase 5.000 raios-X do quadril de 4.308 pacientes obtidos ao longo de mais de 10 anos. Eles desenvolveram os modelos com uma variedade de características profundas, clínicas e de textura e depois os testaram externamente em 444 radiografias de quadril de outra instituição.

O modelo de radiômica profunda com características profundas, clínicas e de textura foi capaz de diagnosticar osteoporose em radiografias de quadril com desempenho diagnóstico superior aos modelos que usam apenas textura ou características profundas, permitindo o diagnóstico oportunista da osteoporose.

"Nosso estudo mostra que a detecção oportunista de osteoporose usando essas imagens de raios-X é vantajosa, e nosso modelo pode servir como uma ferramenta de triagem recomendando DXA em pacientes com suspeita de osteoporose", disse o Dr. Chae.

Os pesquisadores estão planejando um estudo maior que combina as informações clínicas do banco de dados do Serviço Nacional de Seguro de Saúde da Coréia com os dados de imagem do Hospital Universitário de Seul.

Para maiores informações 

Acesse o estudo Radiologia: Inteligência Artificial , “ Abordagem baseada em radiologia profunda para o diagnóstico de osteoporose usando radiografias do quadril”.

Imagem: Diagrama de fluxo para seleção de recursos e desenvolvimento de modelos de radiômica profunda. LASSO = operador de seleção e encolhimento mínimo absoluto, MLP = perceptron multicamada, Modelo-C = modelo com características clínicas, Modelo-T = modelo com características de textura, Modelo-TC = modelo com textura e características clínicas, Modelo-D = modelo com características profundas recursos, Modelo-DC = modelo com recursos profundos e clínicos, Modelo-DT = modelo com recursos profundos e de textura, Modelo-DTC = modelo com recursos profundos, clínicos e de textura. Kim et al, Radiologia: Inteligência Artificial 2022 © RSNA 2022

Fonte: https://www.rsna.org/news/2022/may/AI-For-Osteoporosis-Diagnosis