O algoritmo de IA detecta com precisão o trauma em radiografias pélvicas

Pesquisadores treinaram um algoritmo de aprendizado profundo para identificar fratura de quadril, fratura de região pélvica, luxação de quadril, periprotética fratura e fratura da diáfise do fêmur nas radiografias pélvicas.

22 Fev, 2021

Um modelo de inteligência artificial (IA) foi capaz de detectar a maioria dos tipos de achados relacionados a traumas em radiografias pélvicas, com desempenho comparável ao de radiologistas e cirurgiões ortopédicos, de acordo com pesquisa publicada online em 16 de fevereiro na Nature CommunicationsOs pesquisadores liderados pelos co-primeiros autores, Dr. Chi-Tung Cheng, da Chang Gung University em Taiwan e Yirui Wang da empresa de pesquisa PAII em Bethesda, MD, treinaram um algoritmo de aprendizado profundo para identificar fratura de quadril, fratura de região pélvica, luxação de quadril, periprotética fratura e fratura da diáfise do fêmur nas radiografias pélvicas. O algoritmo - chamado PelviXNet - rendeu uma área sob a curva (AUC) de 0,973 em um conjunto de testes clínicos de quase 1.900 pacientes do departamento de emergência (ED) e também produziu resultados semelhantes para radiologistas e cirurgiões ortopédicos em uma amostra de 150 casos.

“A colaboração entre o algoritmo e os médicos pode melhorar a qualidade do atendimento ao trauma”, escreveram os autores.

Com a ideia de que um algoritmo de diagnóstico auxiliado por computador eficaz pode evitar diagnósticos errados e fornecer alertas precoces para condições de risco de vida, os pesquisadores criaram o PelviXnet para detectar uma ampla gama de descobertas relacionadas a traumas em radiografias pélvicas. "A capacidade de identificar várias categorias de anormalidades em vários locais simultaneamente em uma imagem pode aumentar a confiança do médico no algoritmo e tornar mais viável o uso do algoritmo amplamente na prática clínica", escreveram os autores.

Depois de treinar o PelviXNet usando 5.204 radiografias pélvicas adquiridas em um centro de trauma de 2008 a 2016, eles testaram retrospectivamente o algoritmo em exames de raios-x pélvicos de 1.888 pacientes que se apresentaram na sala de emergência (ER) em 2017. PelviXNet atingiu uma área sob a curva (AUC) de 0,972 para classificar condições normais e anormais, bem como 92,4% de acurácia, 90,8% de sensibilidade, 93,2% de especificidade, 86,7% de valor preditivo positivo e 95,4% de valor preditivo negativo no conjunto de teste.

Os pesquisadores então compararam o desempenho do algoritmo em uma amostra de 150 casos do conjunto de testes com o de 14 residentes de ER, quatro médicos de ER, dois cirurgiões ortopédicos e dois radiologistas. Os 150 casos incluíram 50 pacientes com fratura de quadril, 50 pacientes com fratura pélvica e 50 pacientes sem achados agudos.

Precisão do PelviXNet para detectar fraturas de quadril e pélvicas em radiografias
  Residentes ER (média) Médicos ER (média) Radiologistas e cirurgiões ortopédicos (média) PelviXNet
Fratura de quadril 94,9% 95% 97,4% 99,5%
Fratura pélvica 89,3% 90,3% 94% 94,5%

Embora o desempenho do PelviXNet não diferisse significativamente daquele de radiologistas e cirurgiões ortopédicos, ele superou significativamente um dos médicos do pronto-socorro e cinco residentes, de acordo com os pesquisadores. "Algumas fraturas de quadril e fraturas pélvicas que os médicos do pronto-socorro não perceberam podem ser detectadas com o PelviXNet usando os escores de confiança de classificação e mapas de calor de ativação de classe para indicar e localizar descobertas", escreveram os autores. "Isso significa que os médicos da linha de frente podem receber recomendações em tempo real do algoritmo quando estão tratando pacientes com trauma múltiplo, já que diagnósticos incorretos podem ocorrer em um pronto-socorro caótico."

Os pesquisadores notaram que agora são necessários estudos prospectivos para determinar se o PelvixNet pode levar a diagnósticos mais precisos em um ambiente clínico e facilitar o manejo do paciente com trauma.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=xra&pag=dis&ItemID=131627

 

 

 

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

publicidade