Inteligência Artificial estima com precisão a idade óssea na ressonância magnética 3D

Segundo pesquisa publicada online em 31 de julho na Medical Image Analysis, depois de treinar vários tipos diferentes de algoritmos de IA, uma equipe de pesquisadores liderada por Darko Štern, PhD, do Instituto Ludwig Boltzmann de Imagem Clínica Forense em Graz, na Áustria, descobriu que o melhor algoritmo poderia estimar a idade óssea de 0,37 anos.

12 Ago, 2019

Um algoritmo de inteligência artificial (IA) pode estimar a idade óssea em crianças e adolescentes a partir da análise de um exame de ressonância magnética 3D com um nível muito alto de precisão. Além disso, também pode funcionar bem em radiografias de punho. Segundo pesquisa publicada online em 31 de julho na Medical Image Analysis, depois de treinar vários tipos diferentes de algoritmos de IA, uma equipe de pesquisadores liderada por Darko Štern, PhD, do Instituto Ludwig Boltzmann de Imagem Clínica Forense em Graz, na Áustria, descobriu que o melhor algoritmo poderia estimar a idade óssea de 0,37 anos. 

"Nossa avaliação completa dos diferentes métodos de aprendizado de máquina revelou que a nossa abordagem de regressão baseada na rede neural profunda convolucional (CNN) alcança a nova precisão do estado da arte em comparação com os métodos anteriores baseados em MRI", escreveram os autores. "Além disso, quando adaptado para imagens 2D, o mesmo método está de acordo com os métodos de última geração desenvolvidos especificamente para dados de raios X". Os radiologistas tradicionalmente estimam a idade óssea avaliando o nível de ossificação nas radiografias da mão e comparando os resultados com um atlas de referência. No entanto, esta abordagem expõe crianças e adolescentes à radiação ionizante e é propensa a alta variabilidade inter e intra -aterater, de acordo com os pesquisadores. 

A ressonância magnética tem sido proposta como uma alternativa livre de radiação ionizante, mas todos os métodos baseados em ressonância magnética até agora ainda contam com a estimativa do radiologista de maturação física e, portanto, ainda estão sujeitos à mesma variabilidade inter e intrareader, disseram os autores.Como resultado, os pesquisadores procuraram desenvolver métodos totalmente automáticos de estimativa de idade usando estudos de RM 3D da mão. Eles treinaram vários modelos baseados em diferentes arquiteturas - florestas aleatórias e CNNs - para estimar a idade óssea usando um conjunto de dados de 328 imagens de RM coletadas em sua instituição. 

O modelo de melhor desempenho - um CNN profundo - produziu um erro absoluto médio de 0,37 ± 0,51 anos em indivíduos com 18 anos de idade ou menos. Os pesquisadores então procuraram validar seus resultados adaptando a CNN profunda para uso em imagens de raios-x. Eles treinaram e avaliaram o modelo usando todas as 835 imagens de indivíduos com mais de 10 anos de idade, a partir do Banco de Dados Digital Atlas Atlas disponível publicamente.

Segundo os pesquisadores o algoritmo gerou um erro médio absoluto de 0,57 ± 0,61 anos nas imagens de raios-x, um resultado que pode ser considerado de acordo com os métodos de estimação automáticos de última geração. Eles observaram que, embora seu método fosse preciso em indivíduos com até 18 anos, seu desempenho é biologicamente limitado para a classificação legalmente importante de um indivíduo se é menor ou adulto.

"Trabalhos recentes indicam que a combinação de estimativas de sítios anatômicos complementares poderia estender a estimativa de idade para a faixa etária legalmente relevante até 25 anos", escreveram os autores. "No trabalho futuro, investigaremos as capacidades de estimativa de idade multifatorial baseada em ressonância magnética para melhorar a precisão da classificação."

Fonte: https://www.auntminnie.com

 

Compartilhe


NOTÍCIAS RELACIONADAS