Software de inteligência artificial de raio-X de tórax parece promissor para uso em crianças

Esse estudo é um primeiro estudo de validação usando a abordagem, e estudos futuros se concentrarão em saber se o software de IA aprovado para uso adulto pode ajudar os médicos a avaliar radiografias pediátricas ou encontrar lesões que os radiologistas não podem detectar.

21 Jun, 2022

Um algoritmo de inteligência artificial (IA) inicialmente liberado para analisar radiografias de tórax de pacientes adultos também pode ser eficaz para uso com crianças, de acordo com um estudo publicado na Scientific ReportsPesquisadores sul-coreanos investigaram o potencial de um algoritmo comercialmente disponível (Insight CXR, v. 3, Lunit) para detectar anormalidades em faixas etárias pediátricas específicas. Eles descobriram que atingiu quase 97% de precisão quando a cardiomegalia e crianças de 2 anos ou menos foram excluídas. Esses resultados podem ajudar a iniciar o desenvolvimento clínico de software de IA nessa população, de acordo com os autores liderados pelo autor correspondente Dr. Eun-Kyung Kim, radiologista da Yonsei University College of Medicine, em Seul.

O Insight CXR da Lunit recebeu a marca CE da Europa em 2019 e foi projetado para ajudar a analisar radiografias de tórax para detectar 10 anormalidades principais, como nódulos, calcificação, pneumotórax, consolidações e fibrose, que podem ser sinais de doença pulmonar. Também apoia o rastreio da tuberculoseValidar algoritmos já aprovados para adultos pode ser uma nova abordagem para desenvolver a tecnologia para uso em crianças, dada a escassez de software de IA disponível para pacientes pediátricos, escreveram os autores.

Para isso, o grupo selecionou 2.273 imagens de pacientes menores de 18 anos (idade média de 7,0 ± 5,8 anos) que realizaram radiografia de tórax em seu hospital em Seul de março a maio de 2021. Um radiologista pediátrico com 11 anos de experiência estudou cada imagem para resultados positivos e negativos, que serviram como referência padrão para avaliar o desempenho do software. O algoritmo foi testado primeiramente para identificar oito lesões detectáveis: nódulos, consolidação, fibrose, atelectasia, cardiomegalia, derrame pleural, pneumotórax e pneumoperitônio. Nesses casos, o software alcançou uma precisão de 87,5%.

Em seguida, os pesquisadores excluíram a cardiomegalia (aumento do coração), uma vez que diferentes critérios são usados ​​para diagnosticar a doença em adultos e crianças pequenas, onde o software alcançou uma precisão de 89,5%. Além disso, os pesquisadores descobriram que as imagens com diagnósticos incorretos pelo software eram significativamente mais jovens do que os pacientes com diagnóstico correto. Quando eles excluíram crianças de 2 anos ou menos da análise, a precisão do software aumentou para 96,9%, o que foi comparável à precisão do diagnóstico fornecida pelo fornecedor para adultos, escreveram os pesquisadores. “O software de detecção de lesões baseado em IA pode ser desenvolvido e utilizado para radiografias de tórax pediátricas após validação adicional”, escreveram os autores.

O grupo observou que o uso de um único algoritmo disponível comercialmente pode ser uma limitação do estudo e que diferentes programas de software podem ter diferentes graus de robustez quando aplicados a imagens pediátricas. Em última análise, o estudo é um primeiro estudo de validação usando a abordagem, e estudos futuros se concentrarão em saber se o software de IA aprovado para uso adulto pode ajudar os médicos a avaliar radiografias pediátricas ou encontrar lesões que os radiologistas não podem detectar, escreveram os autores. “O software de detecção de lesões baseado em IA precisa ser validado em crianças mais novas com dados maiores para garantir o uso seguro, e o software orientado para adultos pode ser um ponto de partida para isso”, concluíram Kim e colegas.

Imagem: Exemplos de resultados analisados ​​pelo software de detecção de lesões baseado em IA. (A) Menino de 17 meses com pneumonia no lobo superior direito. O software detectou consolidação com pontuação de anormalidade de 91% no lobo superior direito, conforme marcado no mapa em tons de cinza. (B) Menino de 3 meses com índice cardiotorácico de 50%, dentro da normalidade. O software detectou cardiomegalia com escore de anormalidade de 56% na radiografia de tórax anteroposterior. (C) Menina de 4 meses sem achados marcantes na radiografia de tórax. O software detectou timo normal como consolidação e nódulo com pontuação de anormalidade de 88%. Imagem cortesia de Scientific Reports .

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=xra&pag=dis&ItemID=136198

 

 

Compartilhe


NOTÍCIAS RELACIONADAS