Pixel

May 08, 2024

Dados científicos volume 10, número do artigo: 518 (2023) Citar este artigo

229 Acessos

1 Altmétrico

Detalhes das métricas

A embolia pulmonar apresenta alta incidência e mortalidade, principalmente se não diagnosticada. O exame de escolha para o diagnóstico da doença é a angiotomografia pulmonar. Como muitos factores podem levar a interpretações erradas e erros de diagnóstico, diferentes grupos estão a utilizar métodos de aprendizagem profunda para ajudar a melhorar este processo. A precisão do diagnóstico desses métodos tende a aumentar com o aumento do conjunto de dados de treinamento. Os métodos de aprendizagem profunda podem potencialmente beneficiar-se do uso de imagens adquiridas com dispositivos de diferentes fornecedores. Até onde sabemos, desenvolvemos o primeiro conjunto de dados públicos anotados nos níveis de pixel e imagem e o primeiro conjunto de dados anotados em nível de pixel para conter exames realizados com equipamentos da Toshiba e GE. Esse conjunto de dados inclui 40 exames, metade realizados com cada equipamento, representando amostras de dois serviços médicos. Também incluímos medidas relacionadas às consequências cardíacas e circulatórias da embolia pulmonar. Incentivamos o uso deste conjunto de dados para desenvolver, avaliar e comparar o desempenho de novos algoritmos de IA projetados para diagnosticar EP.

A embolia pulmonar (EP) apresenta alta incidência e mortalidade. Ocorre quando um coágulo sanguíneo, mais comumente proveniente do sistema venoso profundo, move-se para a circulação arterial pulmonar1. Estima-se que ocorram até 300.000 mortes por ano nos Estados Unidos devido à EP2. Menos de 10% das mortes ocorrem entre pacientes diagnosticados e tratados, indicando uma potencial redução na mortalidade ao melhorar a acurácia diagnóstica da doença3.

A angiografia pulmonar por tomografia computadorizada (APTC) é o exame de escolha para avaliação de pacientes com EP4,5. Após infusão intravenosa de meio de contraste iodado, a TC é realizada quando há opacificação ideal da circulação arterial pulmonar e o trombo é identificado como defeito de enchimento intraluminal.

A interpretação de imagens CTPA é uma tarefa complexa: os radiologistas devem procurar cuidadosamente defeitos de preenchimento de contraste em toda a vasculatura arterial pulmonar em um grande número de imagens. Problemas técnicos, fatores relacionados ao paciente, questões anatômicas e a presença de outras patologias6 podem levar a erros de diagnóstico.

Programas de diagnóstico auxiliado por computador (CAD) destinados a reduzir esses erros podem reduzir a mortalidade. Diversas abordagens já foram propostas7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29 ,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48; no entanto, ainda não foi alcançada uma solução definitiva. Mais recentemente, tem havido um interesse crescente na criação de técnicas de inteligência artificial (IA), especialmente utilizando redes neurais artificiais (RNAs), para resolver este problema.

O desempenho diagnóstico dessas técnicas é altamente dependente do conjunto de dados utilizado para treiná-las, pois deve conter exames tão diversos quanto os de aplicações reais. A precisão diagnóstica desses métodos tende a aumentar com o aumento do conjunto de dados de treinamento .

A obtenção de conjuntos de dados confiáveis ​​é um obstáculo considerável encontrado pelos pesquisadores, pois é demorado, exige radiologistas com experiência para reconhecer a EP e depende da cooperação dos centros médicos. Além disso, para ser adequado para aplicações de aprendizagem supervisionada, o conjunto de dados deve ser anotado. Duas abordagens de anotação diferentes foram usadas nos três conjuntos de dados públicos disponíveis: uma anotação em nível de pixel, na qual todos os pixels do trombo são demarcados como uma verdade básica, e anotações nos níveis de imagem e estudo50, nas quais imagens com PE visível recebem um rótulo, mas o trombo em si não é demarcado. A primeira abordagem é mais versátil e pode ser convertida numa anotação ao nível da imagem, mas o oposto não é verdade.