Modelo de Inteligência Artificial prevê progressão da curva espinhal da escoliose

Um modelo de IA de aprendizagem profunda mostra-se promissor para prever curvas espinhais em indivíduos com escoliose idiopática do adolescente (EIA), de acordo com um estudo publicado no Global Spine Journal. Como potencial ferramenta de triagem, o modelo poderia minimizar o estresse e os ajustes no estilo de vida dos pacientes e familiares, bem como prevenir tratamentos desnecessários e consumo de recursos, segundo os pesquisadores. “Integrar a previsão do modelo com o conhecimento e a experiência do médico pode maximizar a precisão geral da previsão da progressão da AIS na prática clínica e pode limitar a influência de falsos positivos nos pacientes”, escreveu o primeiro autor Kenneth Chu, estudante de ortopedia da Universidade de Hong Laboratório de Saúde Digital de Kong na China.

A escoliose é uma deformidade espinhal 3D, sendo a AIS responsável por cerca de 70% de todos os casos. A deformidade geralmente é diagnosticada durante a puberdade. As opções de tratamento dependem da gravidade da doença e variam desde apenas observação até órteses e cirurgia. Determinar o risco de progressão da EIA é uma tarefa complexa, escreveram os autores. Além disso, a maioria das ferramentas atuais de software de progressão de curvas dependem apenas de dados numéricos 1D e não conseguem fazer uso de informações espaciais 2D sutis dentro da coluna vertebral que poderiam ser inestimáveis, acrescentaram. “Essa prática inevitavelmente desperdiça muita informação”, observou o grupo.

Assim, os pesquisadores tiveram como objetivo desenvolver uma rede neural de IA que pudesse prever automaticamente a probabilidade de progressão da curva de pacientes com AIS em sua primeira visita a clínicas ortopédicas, usando dados clínicos 1D coletados rotineiramente e imagens de raios-X 2D de toda a coluna vertebral. Os pesquisadores recrutaram 463 participantes com idades entre 10 e 16 anos que haviam sido submetidos a tratamento com órteses e exames de imagem antes do tratamento e durante visitas de acompanhamento em pelo menos três meses. Eles usaram dados de 371 pacientes para treinar uma rede neural existente chamada CapsuleNet. A entrada incluiu dados 1D (sexo, idade, peso, altura sentada, altura em pé, envergadura, sinal de Risser, rádio distal e classificação da ulna para avaliação da maturidade esquelética) e radiografias 2D dos pacientes.

Eles então testaram o desempenho preditivo do modelo em um conjunto de dados de validação de 92 pacientes, com a progressão da curva AIS definida como um aumento mínimo de 5° no ângulo de Cobb da curva principal desde o momento do diagnóstico até qualquer acompanhamento. De acordo com as descobertas, o modelo alcançou 90% de sensibilidade com uma precisão geral de 73,9% na previsão da progressão da curva AIS na cinta usando dados multidimensionais da primeira visita, escreveu o grupo. “Este estudo utilizou uma versão modificada do modelo CapsuleNet para criar um modelo de IA que prevê o risco de progressão de AIS na cinta com um alto nível de sensibilidade de 90%”, escreveram os pesquisadores.

Como próximos passos imediatos, os autores observaram que mais pacientes com EIA precisam ser recrutados prospectivamente para gerar um conjunto de dados maior e completo envolvendo o registro preciso de pelo menos os fatores de risco convencionalmente reconhecidos para a progressão da EIA e indicadores de maturidade esquelética, juntamente com o Raios-X. “Com um conjunto de dados mais abrangente, a viabilidade desta abordagem multidimensional automatizada na previsão da progressão da EIA pode ser avaliada posteriormente num ensaio clínico prospectivo”, concluiu o grupo. O artigo completo está disponível aqui .

Fonte: www.auntminnie.com/clinical-news/digital-x-ray/article/15637833/ai-model-predicts-scoliosis-spinal-curve-progression