IA usada com sucesso para identificar diferentes tipos de lesões cerebrais

Pesquisadores da Universidade de Cambridge e do Imperial College de Londres, utilizaram IA para validar e testar clinicamente um grandes conjuntos de tomografias computadorizadas e descobriram que ela conseguiu detectar, segmentar, quantificar e diferenciar diferentes tipos de lesões cerebrais.

Seus resultados, relatados no The Lancet Digital Health, podem ser úteis em estudos de pesquisa em larga escala, para o desenvolvimento de tratamentos mais personalizados para lesões na cabeça e, com validação adicional, podem ser úteis em certos cenários clínicos, como aqueles em que a experiência radiológica está presente. um prêmio.

A lesão na cabeça é um enorme ônus para a saúde pública em todo o mundo e afeta até 60 milhões de pessoas a cada ano. É a principal causa de mortalidade em adultos jovens. Quando um paciente sofreu um ferimento na cabeça, ele geralmente é enviado para uma tomografia computadorizada para verificar se há sangue no cérebro ou ao redor dele e para ajudar a determinar se a cirurgia é necessária.

"A TC é uma ferramenta de diagnóstico incrivelmente importante, mas raramente é usada quantitativamente", disse o co-autor sênior Professor David Menon, do Departamento de Medicina de Cambridge. "Por diversas vezes, muitas das informações ricas disponíveis em uma tomografia computadorizada são perdidas e, como pesquisadores, sabemos que o tipo, volume e localização de uma lesão no cérebro são importantes para os resultados dos pacientes".

Diferentes tipos de sangue dentro ou ao redor do cérebro podem levar a diferentes resultados para os pacientes, e os radiologistas costumam fazer estimativas para determinar o melhor curso de tratamento.

"A avaliação detalhada de uma tomografia computadorizada com anotações pode levar horas, especialmente em pacientes com lesões mais graves", disse a co-primeira autora Dra. Virginia Newcombe, também do Departamento de Medicina de Cambridge. "Queríamos projetar e desenvolver uma ferramenta que pudesse identificar e quantificar automaticamente os diferentes tipos de lesões cerebrais, para que pudéssemos usá-la em pesquisas e explorar seu possível uso em ambiente hospitalar".

Os pesquisadores desenvolveram uma ferramenta de Machine Learning baseada em uma rede neural artificial. Eles treinaram a ferramenta em mais de 600 tomografias diferentes, mostrando lesões cerebrais de diferentes tamanhos e tipos. Eles validaram a ferramenta em um grande conjunto de dados existente de tomografias computadorizadas.

A IA conseguiu classificar partes individuais de cada imagem e dizer se era normal ou não. Isso pode ser útil para estudos futuros sobre como os ferimentos na cabeça progridem, já que a IA pode ser mais consistente do que um ser humano na detecção de mudanças sutis ao longo do tempo.

"Essa ferramenta nos permitirá responder a perguntas de pesquisa que não podíamos responder antes", disse Newcombe. "Queremos usá-lo em grandes conjuntos de dados para entender o quanto a imagem pode nos dizer sobre o prognóstico dos pacientes".

"Esperamos que isso nos ajude a identificar quais lesões aumentam e progridem e a entender por que elas progridem, para que possamos desenvolver um tratamento mais personalizado para os pacientes no futuro", disse Menon.

Embora atualmente os pesquisadores planejem usar a IA apenas para pesquisa, eles afirmam que com validação adequada, ela também pode ser usada em certos cenários clínicos, como em áreas com recursos limitados, onde existem poucos radiologistas.

Além disso, os pesquisadores dizem que poderia ter um uso potencial em salas de emergência, ajudando a levar os pacientes para casa mais cedo. De todos os pacientes com lesão na cabeça, apenas entre 10 e 15% apresentam uma lesão que pode ser vista em uma tomografia computadorizada. A IA poderia ajudar a identificar esses pacientes que precisam de tratamento adicional, para que aqueles sem lesão cerebral possam ser enviados para casa, embora qualquer uso clínico da ferramenta precise ser completamente validado.

A capacidade de analisar grandes conjuntos de dados automaticamente também permitirá que os pesquisadores resolvam importantes questões de pesquisa clínica que antes eram difíceis de responder, incluindo a determinação de recursos relevantes para o prognóstico que, por sua vez, podem ajudar a direcionar as terapias.