Dados do Trabalho

Título

Uso de Deep Learning para identificação de posicionamento inadequado de tubo orotraqueal em radiografias de tórax

Descrição sucinta do(s) objetivo(s)

Radiografias de tórax são amplamente utilizadas na prática médica, especialmente para avaliação do paciente crítico, possuindo aplicações como monitorização do posicionamento de dispositivos. O tubo orotraqueal, amplamente utilizado para viabilizar a ventilação mecânica, deve apresentar sua extremidade distal entre 3 e 7 cm acima da carina. Eventuais posicionamentos inadequados dos tubos orotraqueais podem rapidamente trazer complicações para os pacientes, incluindo óbito. Propomos a criação de um modelo de deep learning para identificação do posicionamento inadequado de tubo orotraqueal em radiografias de tórax.

Material(is) e método(s)

Utilizamos um dataset com 1150 imagens de radiografias de tórax de pacientes submetidos à intubação orotraqueal, divididas igualmente em 2 grupos, sendo 550 imagens no grupo cujo posicionamento foi considerado adequado e 550 imagens no grupo cujo posicionamento foi considerado inadequado. Este dataset foi utilizado para o treinamento, validação e teste de uma CNN, criada com arquitetura DenseNet121 para realizar a classificação de radiografias de tórax em relação ao posicionamento do tubo traqueal.

Resultados e discussão

Elaboramos um algoritmo de inteligência artificial que permite a classificação de radiografias de tórax em pacientes submetidos à intubação orotraqueal para avaliação do seu posicionamento. Após diversos ajustes, o nosso modelo apresentou uma AUC razoável de 0,80.

Conclusões

Após diversos ajustes o nosso modelo apresentou uma AUC razoável, similar a outros modelos previamente descritos na literatura, possuindo um desempenho considerado satisfatório. Trabalhos futuros incluem esforços para otimização
do modelo e sua posterior integração ao fluxo e rotina de trabalho.

Palavras Chave

INTELIGÊNCIA ARTIFICIAL; REDES NEURAIS CONVOLUCIONAIS; RADIOGRAFIA TORÁCICA

Arquivos