A IA com limiares volumétricos facilita a triagem oportunista para esplenomegalia
O peso do paciente era de 74,4 kg. A ferramenta automatizada de inteligência artificial de aprendizado profundo foi usada para segmentar o baço e, assim, calcular o volume esplênico. A imagem axial mostra a segmentação do baço (sobreposição laranja). O volume esplênico automatizado foi de 1.097 ml, acima do limite de volume esplênico baseado no peso para determinação de esplenomegalia de 350 ml. O comprimento esplênico craniocaudal verdadeiro foi de 15,5 cm e o comprimento esplênico 3D máximo de 18,7 cm. Essas medidas de comprimento indicariam a presença de esplenomegalia em todos os limiares usados. Crédito: AJR
De acordo com um manuscrito aceito publicado no próprio ARRS Jornal Americano de Roentgenologia (AJR), usando uma ferramenta automatizada de IA de aprendizado profundo, bem como limiares volumétricos baseados em peso, pode permitir avaliação em larga escala para esplenomegalia em exames de TC realizados para qualquer indicação.
Observando que, historicamente, as medições esplênicas lineares padrão usadas como um substituto para o volume esplênico produziram desempenho abaixo do ideal na detecção de esplenomegalia baseada em volume, “os limiares volumétricos baseados em peso indicaram a presença de esplenomegalia na maioria dos pacientes submetidos a TC pré-transplante de fígado, ” explicou o autor correspondente Perry J. Pickhardt, MD, do departamento de radiologia da Escola de Medicina e Saúde Pública da Universidade de Wisconsin.
Pickhardt e colegas AJR O manuscrito aceito incluiu uma amostra de triagem de 8.901 pacientes (4.235 homens, 4.666 mulheres; idade média de 56 anos) submetidos à colonoscopia por TC (n = 7.736) ou TC de doador renal (n = 1.165) de abril de 2004 a janeiro de 2017. coorte de 104 pacientes (62 homens, 42 mulheres; idade média, 56 anos) com doença hepática em estágio terminal submetidos a TC pré-transplante de fígado de janeiro de 2011 a maio de 2013. Algoritmo de aprendizado profundo de Pickhardt et al. , e testado no National Institutes of Health Clinical Center – foi usado para segmentação do baço, para ajudar a determinar os volumes esplênicos, com dois radiologistas revisando independentemente um subconjunto dessas segmentações.
Por fim, essa ferramenta automatizada de IA de aprendizado profundo foi utilizada para calcular os volumes esplênicos de exames de TC em 8.853 pacientes da população ambulatorial primária. Além disso, o volume esplênico foi mais fortemente associado ao peso, entre uma série de fatores do paciente.
“Até onde sabemos”, o AJR os autores concluíram, “este estudo representa a maior amostra relatada de pacientes submetidos à segmentação volumétrica do baço”.
Mais Informações:
Alberto A. Perez et al, Automated Deep Learning Artificial Intelligence Tool for Spleen Segmentation on CT: Definindo Volume-Based Thresholds for Splenomegaly, Jornal Americano de Roentgenologia (2023). DOI: 10.2214/AJR.23.29478
Fornecido pela American Roentgen Ray Society
Citação: AI com limiares volumétricos facilita a triagem oportunista para esplenomegalia (2023, 30 de junho) recuperado em 30 de junho de 2023 em https://medicalxpress.com/news/2023-06-ai-volumetric-thresholds-opportunistic-screening.html
Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem a permissão por escrito. O conteúdo é fornecido apenas para fins informativos.
