Algoritmo de inteligência artificial pode detectar e quantificar infartos cerebrais

Em uma apresentação do encontro virtual RSNA 2020, pesquisadores discutiram como eles usaram um algoritmo de aprendizagem profunda para detectar, quantificar e avaliar a gravidade dos infartos no cérebro em exames de ressonância magnética ponderada por difusão (DWI-MRI) nos exames agudos de pacientes com AVC isquêmico. A equipe liderada pelo apresentador Seung Hyun Hwang da Yonsei University em Seul, Coreia do Sul, desenvolveu um modelo de aprendizado profundo que pode segmentar e quantificar infartos cerebrais usando DWI-MRI e então avaliar sua gravidade analisando mapas de coeficiente de difusão aparente (ADC) das lesões. Nos testes, o modelo obteve alta sensibilidade e especificidade. "Os resultados qualitativos e quantitativos de nosso estudo mostram a viabilidade para detectar e quantificar infartos", disse Hwang.

Devido à sua sensibilidade para a detecção de infartos pequenos e precoces, o DWI-MRI é comumente usado para avaliação de AVC isquêmico agudo, de acordo com Hwang. Os mapas de ADC também podem ser usados ​​como referência para infarto agudo. "No entanto, é perigoso depender apenas dos valores de ADC, já que os valores de ADC são geralmente adquiridos em um único momento do AVC no decorrer da prática clínica", disse ele.

Buscando desenvolver um modelo de segmentação de infarto automatizado baseado em aprendizagem profunda, os pesquisadores primeiro reuniram mapas DWI e ADC de 394 pacientes com infarto agudo tratados em sua instituição entre janeiro de 2015 e maio de 2019. Destes conjuntos de dados, 216 foram usados ​​para treinamento e 24 foram utilizados para validação. Os 154 conjuntos de dados restantes foram reservados para teste do modelo.

A equipe optou por utilizar uma rede neural convolucional U-Net modificada em uma abordagem de conjunto para melhorar o desempenho em pequenas lesões, de acordo com Hwang. Depois de segmentar o infarto, o algoritmo mede a gravidade do infarto com base na análise dos mapas ADC das lesões. Os enfartes são classificados em uma de quatro categorias: sem sintomas de AVC, AVC leve, AVC moderado e AVC grave. Um valor de ADC de mais de 620 foi usado como o limite para a categoria "sem sintomas de AVC"; outros limiares de categoria foram definidos em intervalos de 100 valores de ADC.

No teste, o algoritmo produziu:

• Coeficiente de dados médio: 0,85
• Coeficiente de Dice médio ao excluir lesões extremamente pequenas: 0,89
• Sensibilidade: 83%
• Especificidade: 99%
• Diferença de volume médio para lesões calculadas por modelo com aquelas calculadas por radiologistas: 0,25 ml

“Nosso algoritmo, que é um modelo de segmentação ponta a ponta, pode ser facilmente implantado e aplicado a outras tarefas de segmentação também”, disse Hwang.

Como seu algoritmo até agora só foi testado em conjuntos de dados internos, os pesquisadores agora planejam realizar uma validação externa de seu modelo, acrescentou Hwang. “Além disso, pretendemos otimizar nosso modelo para ser mais sensível a pequenas lesões”, disse. 

Fonte: https://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2020&pag=dis&ItemID=130969