Aplicação clínica de ferramentas de inteligência artificial ao auxílio diagnóstico em imagens de radiografia simples do tórax

• Processo: 19/22577-4
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de novembro de 2021
• Data de Término da vigência: 31 de outubro de 2026
• Área do conhecimento: Ciências da Saúde - Medicina - Radiologia Médica
• Pesquisador responsável: Marcel Koenigkam Santos
• Beneficiário: Marcel Koenigkam Santos
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Município da Instituição Sede: Ribeirão Preto
• Pesquisadores associados: Elcio dos Santos Oliveira Vianna ; João Paulo Papa ; Julio Cesar Nather Junior ; Lucas Lins de Lima ; Maurício Koenigkam Santos ; Natália Santana Chiari Correia ; Paulo Mazzoncini de Azevedo Marques ; Renato Tinós ; Valdes Roberto Bollela
• Bolsa(s) vinculada(s): 25/15141-6 - Avaliação da aplicação diagnóstica da tomografia computadorizada de ultra baixa dose do tórax em crianças internadas devido quadro respiratório agudo, BP.IC; 23/12569-0 - Análise de imagens de radiografia simples do tórax de pacientes com infecções fúngicas e neoplasia pulmonar utilizando ferramentas de inteligência artificial aplicadas ao auxílio diagnóstico., BP.IC; 23/09104-5 - Organização da base de dados de pacientes com infecções fúngicas e neoplasia pulmonar para auxiliar no desenvolvimento de ferramentas de inteligência artificial aplicadas ao auxílio diagnóstico em imagens de radiografia simples do tórax, BP.IC
• Assunto(s): Radiologia Radiografia torácica Diagnóstico por computador Diagnóstico por imagem Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Auxílio diagnóstico computadorizado | Inteligência Artificial | Radiografia simples de tórax | Radiologia Médica | Radiologia torácica

Resumo

A radiografia simples (RX) do tórax representa na maioria das situações o primeiro exame radiológico na avaliação das doenças torácicas e pulmonares. Grande parte das doenças bronco pulmonares se apresentam no RX como opacidades, como é o caso da tuberculose, infecções fúngicas, doenças intersticiais pulmonares, câncer de pulmão e as pneumonias virais. Estas doenças apresentam alta morbimortalidade e necessitam de investigação complementar, com tomografia computadorizada (TC) e/ou exame laboratoriais. Apesar de ser considerado um exame simples, a interpretação acurada do RX de tórax requer experiência. Além disso, muitas vezes há ausência de profissionais especialistas no local de realização do exame ou estes estão sobrecarregados pelo grande volume de exames. Por isso, nos últimos anos, ferramentas de auxílio computadorizado ao diagnóstico (CAD, do inglês "computed aided diagnosis/detection") têm sido criadas para ajudar na detecção das alterações nos exames de imagem, na interpretação dos achados e no fluxo de trabalho dos serviços de saúde. Para tanto, tem-se destacado o desenvolvimento de ferramentas de inteligência artificial (IA), aprendizado de máquina e aprendizado profundo. Desta maneira, o objetivo deste estudo é verificar a aplicabilidade clínica de ferramentas de CAD desenvolvidas na instituição, com recursos de IA utilizando aprendizado profundo e redes neurais convolucionais, para auxílio diagnóstico em imagens de RX do tórax, com foco na detecção e classificação das principais doenças pulmonares que cursam com opacidades radiográficas e requerem prosseguimento da investigação. Espera-se que estas ferramentas auxiliem a identificar as opacidades pulmonares, a sugerir o provável diagnóstico da doença e a reconhecer diferentes padrões ou classes das doenças avaliadas. (AU)