Dados do Trabalho

Título

Rumo ao uso clínico: Insights do Estudo Clínico Retrospectivo de um Modelo de Segmentação Volumétrica baseado em Inteligência Artificial para Tomografia Computadorizada de Crânio

Descrição sucinta do(s) objetivo(s)

A proliferação de algoritmos de IA em imagens médicas oferece uma oportunidade para abordar desafios como a alta demanda por exames e a escassez de especialistas. Entretanto, para garantir a eficácia dessas soluções, é crucial realizar estudos de validação clínica, considerados padrão-ouro na avaliação de novas intervenções médicas com base em dados do mundo real. Em comparação com a ressonância magnética, a tomografia computadorizada (TC) envolve menos custos, menor tempo de aquisição de imagens e maior disponibilidade, especialmente nos sistemas públicos de saúde. O objetivo deste trabalho é apresentar os resultados da primeira fase de validação clínica de um algoritmo de IA que automatiza a segmentação das regiões intracraniana e ventricular em TCs de crânio sem contraste, provenientes do sistema PACS da instituição XXX.

Material(is) e método(s)

Retrospectivamente, 480 exames anonimizados de TC de crânio de indivíduos de ampla faixa etária (0-100 anos) e diferentes indicações clínicas, modelos de tomógrafos e parâmetros de aquisição, foram usados para validar um modelo U-Net que apresentou boa performance durante seu desenvolvimento. As máscaras de referência, ou ground-thuth (GT), foram geradas por segmentadores treinados e validadas por radiologistas com pelo menos 6 anos de experiência em um sistema construído a partir de softwares open-source, escalável e de baixo custo. Estudo aprovado pelo comitê de ética institucional.

Resultados e discussão

As métricas de similaridade e distância foram 0,98 ± 0,01 e 9,62 ± 4,26 (intracraniano) e 0,72 ± 0,10 e 30,28 ± 10,15 (ventricular), respectivamente.
Em média, os volumes das estruturas intracraniana e ventricular calculados a partir das segmentações produzidas pelo GT foram de 1360,66 ± 156,95 cm³ e 25,16 ± 22,98 cm³, enquanto os volumes calculados a partir das máscaras geradas pela IA foram 1371,15 ± 157,89 cm³ e 28,87 ± 27,44 cm³, respectivamente. Cerca de 82,5% dos exames eram da mesma marca de tomógrafo, o que limitou a análise de efeito dos parâmetros de aquisição.

Conclusões

Os bons resultados obtidos pelo modelo na segmentação e na volumetria dos espaços intracraniano e ventricular nessa análise retrospectiva corroboram a execução de um estudo prospectivo, no qual dados multicêntricos de mundo real serão utilizados para avaliar a performance do modelo.

Palavras Chave

INTELIGÊNCIA ARTIFICIAL; tomografia de crânio; segmentação

Arquivos