Modelo de aprendizado profundo auxilia na diferenciação de câncer de cólon e diverticulite aguda

Uma rede neural convolucional (CNN) tridimensional (3-D) pode ser usada como um sistema de suporte de inteligência artificial (IA) para diferenciar carcinoma de cólon (CC) e diverticulite aguda (DA) em imagens de tomografia computadorizada (TC), de acordo com um estudo publicado online em 27 de janeiro em Rede JAMA aberta.

Sebastian Ziegelmayer, MD, da Universidade Técnica de Munique, na Alemanha, e colegas desenvolveram e avaliaram um algoritmo de aprendizado profundo capaz de diferenciar CC e AD em imagens de TC e avaliar o impacto do sistema de suporte de IA. Foram incluídos 585 pacientes operados para CC ou DA (267 e 318, respectivamente) entre 1º de julho de 2015 e 1º de outubro de 2020. Caixas delimitadoras 3-D, incluindo o segmento do intestino doente e o mesentério circundante, foram delineadas e usadas para desenvolver uma CNN 3-D. Foi realizado um estudo com 10 leitores, aos quais foi solicitado que classificassem a coorte de teste sem e depois com suporte de IA.

Os pesquisadores descobriram que, para o conjunto de teste, a CNN 3-D atingiu uma sensibilidade e especificidade de 83,3 e 86,6 por cento, respectivamente, em comparação com a sensibilidade e especificidade média do leitor de 77,6 e 81,6 por cento, respectivamente. Houve melhora significativa para o grupo combinado de leitores com suporte de IA, de uma sensibilidade de 77,6 para 85,6 por cento e de uma especificidade de 81,6 para 91,3 por cento. O número de achados falso-negativos e falso-positivos também foi reduzido com o suporte de IA.

“O suporte de inteligência artificial levou a um aumento significativo no desempenho diagnóstico de radiologistas certificados e residentes de radiologia”, escrevem os autores.

Direitos autorais © 2023 Dia da Saúde. Todos os direitos reservados.