Dados do Trabalho

TÍTULO

DETEÇAO AUTOMATICA DE LESOES PROTUBERANTES ENTERICAS NA ENDOSCOPIA POR CAPSULA USANDO UMA REDE NEURONAL CONVOLUCIONAL

OBJETIVO

A cápsula endoscópica (CE) revolucionou o estudo do intestino delgado, ultrapassando algumas limitações da endoscopia tradicional e sendo um exame pouco invasivo, quando comparado com técnicas de enteroscopia. Todavia, a leitura de imagens de CE é um processo moroso e propenso a erros. A rede neuronal convolucional (RNC) é um modelo de inteligência artificial com elevado desempenho na avaliação e análise de imagens. A aplicação destes algoritmos na prática clínica nas diversas áreas médicas tem demonstrado resultados promissores. Lesões protuberantes do intestino delgado apresentam diversas morfologias nas imagens de CE, sendo a sua deteção e caracterização por vezes difícil. Contudo, um diagnóstico precoce e exato é essencial para a correta gestão do doente.
O objetivo deste estudo foi desenvolver e testar um algoritmo de RNC capaz de detetar lesões protuberantes do intestino delgado com diversas morfologias.

MÉTODO

Um total de 11588 imagens de CE foram utilizadas para desenvolver a RNC (1307 imagens apresentavam lesões protuberantes e 10281 apresentavam mucosa normal ou com outras alterações). 80% das imagens coletadas (n=8271) foram utilizadas para testar o modelo. Posteriormente, o modelo de RNC foi validado utilizando outro conjunto de imagens (20% do total de imagens, n=2317). Um conjunto de imagens independente foi utilizado para avaliar o desempenho da rede. Os resultados obtidos foram comparados com a classificação consensual entre 2 gastrenterologistas experientes na endoscopia por cápsula. O desempenho da rede foi avaliado através do cálculo da sensibilidade, especificidade, exatidão, valor preditivo negativo e positivo.

RESULTADOS

Após otimização do modelo de RNC, a rede foi capaz de detetar lesões protuberantes do intestino delgado com uma exatidão de 95.6%. A RNC apresentou uma sensibilidade, especificidade, 96.8% e 96.4%, respetivamente.  O valor preditivo positivo e negativo foram 96.5% e 99.6%, respetivamente. A velocidade de processamento da rede foi de 193 imagens por segundo, ou seja demorou apenas 12 segundos a analisar o total de imagens utilizadas para validar o modelo.

CONCLUSÕES

O modelo de RNC desenvolvido foi capaz de detetar com elevada exatidão lesões protuberantes com diversos tipos de morfologia do intestino delgado. O desenvolvimento deste tipo de ferramentas pode assim melhorar a capacidade diagnóstica na endoscopia por cápsula.

PALAVRAS CHAVE

Cápsula Endoscópica, Lesões Protuberantes, Inteligência Artificial

Área

MÉTODOS DIAGNÓSTICOS