Dados do Trabalho

TÍTULO

DETECAO AUTOMATICA DE SANGUE LUMINAL EM COLONOSCOPIA POR CAPSULA USANDO UMA REDE NEURAL CONVOLUCIONAL

OBJETIVO

A colonoscopia convencional (CC) é o padrão de ouro para o estudo de doenças do cólon. No entanto, é frequentemente associado
com desconforto e risco de complicações. A colonoscopia por cápsula (CCE) é uma alternativa não invasiva para aqueles
que recusam CC ou para quem é contra-indicado. No entanto, a leitura dos exames CCE é um processo demorado, com alto
risco de perda de achados endoscópicos de relevo. Por outro lado, a aplicação da inteligência artificial (IA) em Medicina está crescendo, nomeadamente em áreas de imagiologia médica e os resultados são promissores.
No entanto, a sua aplicação à endoscopia por cápsula, em particular na colonoscopia por cápsula, tem sido pouco estudada. Nosso objetivo era desenvolver um algoritmo AI baseado em uma rede neural convolucional (CNN) para deteção automática de sangue e resíduos hemáticos em o lúmen do cólon usando imagens de CCE.

MÉTODO

Incluímos 124 pacientes que realizaram um exame de CCE (PillCam COLON 2®) entre 2010-2020 em dois
centros. Um total de 31715 imagens foram extraídas: 3075 continham sangue e 28640 mucosa normal. As imagens eram
introduzidos em um modelo CNN com aprendizagem por transferência. Um conjunto de dados de treinamento foi projetado com 99 pacientes, correspondendo a 80% do número total de imagens. Posteriormente, o desempenho da rede foi avaliado por meio de um sistema independente conjunto de 25 pacientes, correspondendo a 20% do total de imagens (patient split), de forma a não enviesar os resultados de performance da rede neural. Medimos a sensibilidade, especificidade, positividade e valores preditivos negativos (PPV e NPV, respectivamente), precisão e área sob a curva (AUC).

RESULTADOS

O nosso modelo foi capaz de detetar sangue e resíduos hemáticos no lúmen do cólon com uma sensibilidade de 99,3%, uma especificidade de 99,8%, um PPV e NPV de 97,9% e 99,9%, respectivamente, bem como uma precisão de 99,7%. Adicionalmente, apresentou AUC de 1.00.

CONCLUSÕES

O nosso grupo desenvolveu um algoritmo de IA altamente preciso para deteção de sangue e resíduos hemáticos baseados em
imagens de vídeos de CCE. Estes resultados são extremamente importantes, uma vez que abrem caminho para o desenvolvimento de ferramentas automáticas para a deteção de resultados com relevância clínica significativa, o que deve permitir reduzir o erro de diagnóstico e o tempo gasto na avaliação destes exames.

PALAVRAS CHAVE

Hemorragia Digestiva Baixa; Colonoscopia por Cápsula; Inteligência Artificial

Área

MÉTODOS DIAGNÓSTICOS