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.
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
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
MAIS LIDAS
publicidade