Dados do Trabalho

TÍTULO

INTELIGENCIA ARTIFICIAL E ENDOSCOPIA POR CAPSULA: DETEÇAO AUTOMATICA DE ULCERAS E EROSOES.

OBJETIVO

As úlceras e erosões são achados frequentes em exames de endoscopia por cápsula (EC). A EC é um elemento fundamental no acompanhamento de doentes com Doença de Crohn (DC). Contudo, o processo de leitura de exames de EC é moroso e propício a erros diagnósticos. As redes neurais convolucionais (RNC) são ferramentas de inteligência artificial com alto desempenho em análise de imagens. Este estudo tem como objetivo desenvolver um modelo baseado numa RNC para identificação automática de úlceras e erosões em imagens de EC.

MÉTODO

Foi desenvolvida uma RNC a partir de uma base de dados de imagens de EC. Esta base de dados incluía imagens de mucosa do intestino delgado normal ou com achados não erosivos, assim como imagens de úlceras e erosões do intestino delgado. Para o desenvolvimento da RNC foram usadas 19340 imagens (16175 de mucosa normal, 3165 de úlceras ou erosões). Foram criados dois conjuntos de imagens para treino e teste da RNC.

RESULTADOS

A RNC apresentou uma sensibilidade de 96% e uma especificidade de 98% específica para a deteção de úlceras e erosões no intestino delgado. A exatidão do modelo foi de 98%. A velocidade de processamento da RNC foi de 149 imagens por segundo

CONCLUSÕES

O algoritmo desenvolvido deteta com precisão úlceras e erosões em imagens de EC. O desenvolvimento destes sistemas automáticos poderá permitir melhorar o rendimento diagnóstico da EC na deteção de úlceras e erosões entéricas, assim como o aumento da eficiência do processo de leitura dos exames de EC.

PALAVRAS CHAVE

INTELIGÊNCIA ARTIFICIAL; ENDOSCOPIA POR CÁPSULA; DOENÇA INFLAMATÓRIA INTESTINAL