blog

May 15, 2023

Algoritmo de detecção automática baseado em aprendizado profundo para hemorragia intracraniana aguda: um ensaio clínico randomizado essencial

volume de medicina digital npj

npj Digital Medicine volume 6, Número do artigo: 61 (2023) Cite este artigo

1614 Acessos

14 Altmétrica

Detalhes das métricas

A hemorragia intracraniana aguda (HAI) é uma emergência potencialmente fatal que requer avaliação e tratamento imediatos e precisos. Este estudo tem como objetivo desenvolver e validar um algoritmo de inteligência artificial (IA) para diagnosticar HAI usando imagens de tomografia computadorizada (TC) cerebral. Um estudo retrospectivo, multileitor, principal, cruzado e randomizado foi realizado para validar o desempenho de um algoritmo de IA treinado usando 104.666 fatias de 3.010 pacientes. Imagens de TC cerebral (12.663 cortes de 296 pacientes) foram avaliadas por nove revisores pertencentes a um dos três subgrupos (médicos não radiologistas, n = 3; radiologistas certificados, n = 3; e neurorradiologistas, n = 3) com e sem a ajuda do nosso algoritmo AI. Sensibilidade, especificidade e precisão foram comparadas entre interpretações não assistidas e assistidas por IA usando o teste do qui-quadrado. A interpretação da TC cerebral com assistência de IA resulta em precisão diagnóstica significativamente maior do que sem assistência de IA (0,9703 vs. 0,9471, p < 0,0001, por paciente). Entre os três subgrupos de revisores, os médicos não radiologistas demonstram a maior melhoria na precisão diagnóstica para interpretação de TC cerebral com assistência de IA em comparação com aqueles sem assistência de IA. Para radiologistas certificados, a precisão diagnóstica para interpretação de TC cerebral é significativamente maior com assistência de IA do que sem assistência de IA. Para os neurorradiologistas, embora a interpretação da TC cerebral com auxílio de IA resulte em uma tendência de maior precisão diagnóstica em comparação com a sem auxílio de IA, a diferença não atinge significância estatística. Para a detecção de HAI, a interpretação da TC cerebral com assistência de IA resulta em melhor desempenho diagnóstico do que sem assistência de IA, com a melhora mais significativa observada em médicos não-radiologistas.

A hemorragia intracraniana aguda (HAI) é uma doença potencialmente fatal com uma taxa de mortalidade em 30 dias variando de 35% a 52%. Mais notavelmente, espera-se que apenas 20% dos sobreviventes atinjam a recuperação funcional total em 6 meses1,2,3. A ressonância magnética (MRI) pode ser tão precisa quanto a tomografia computadorizada no que diz respeito à detecção de HAI em pacientes que apresentam sintomas de AVC focal agudo4 e são mais precisas do que a tomografia computadorizada em termos de detecção de micro-hemorragia. No entanto, as tomografias cerebrais sem contraste são a abordagem diagnóstica de primeira linha mais amplamente utilizada para identificar HAI devido às várias desvantagens das varreduras de ressonância magnética, incluindo sua disponibilidade limitada, longos tempos de aquisição de imagens, alto custo e problemas com a tolerância do paciente5,6

Apesar da relevância clínica do diagnóstico de HAI por meio de tomografias cerebrais – falsos negativos podem atrasar o diagnóstico correto, o que pode causar consequências devastadoras, enquanto falsos positivos levarão a exames desnecessários – a avaliação imediata e precisa da HAI por meio de tomografias cerebrais continua sendo um desafio para os médicos. Além disso, os grandes volumes de dados de imagem que requerem avaliação representam uma carga significativa para os radiologistas, que precisam manter a precisão e a eficiência do diagnóstico7,8.

Na última década, a tecnologia de inteligência artificial (IA) baseada em aprendizado profundo fez avanços significativos com melhorias no poder do computador e acúmulo de 'big data'. Os avanços no reconhecimento de imagem baseado em aprendizado profundo, como parte do aprendizado de máquina, estão transformando o campo médico e têm o potencial de melhorar ainda mais os processos no domínio de imagens médicas9. Essas inovações podem aumentar a precisão diagnóstica, permitir diagnóstico imediato e melhor gerenciamento de várias condições e facilitar novos insights biológicos. Vários algoritmos de IA para diagnóstico de HAI foram desenvolvidos e mostraram resultados promissores na detecção, classificação, quantificação e previsão de HAI usando tomografias cerebrais7,8,10,11,12,13,14,15.