Detecção automática de realce de contraste em imagens de ressonância magnética cerebral ponderada em T1 usando inteligência artificial

• Ano de defesa: 2023
• Autor(a) principal: Martins, Victor Guerra
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Imagem por ressonância magnética; Inteligência artificial; Magnetic resonance imaging; Post-contrast enhancement; Realce pós-contraste
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/17/17158/tde-17112023-101844/

Introdução: O uso da ressonância nuclear magnética (RM) na prática médica é extensa e abrange auxílio no diagnóstico de múltiplas condições como: neoplasias, infecções, doenças inflamatórias, dentre outras. Nestes contextos, a análise do realce pós-contraste é essencial. Tal detecção e quantificação do realce em imagens de (RM) cerebral ponderada em T1 é uma tarefa desafiadora devido à complexidade das imagens e à variabilidade na aparência do realce de contraste. Técnicas de inteligência artificial (IA) têm potencial para melhorar a eficiência e precisão desse processo, mas o desenvolvimento e avaliação de abordagens baseadas em IA para esse fim é uma tarefa laborosa. Objetivos: Desenvolvimento e validação de ferramenta para detecção de realce pós-contraste em imagens de RM ponderadas em T1. Implementação desta ferramenta na rotina clínica do serviço de radiologia e diagnóstico por imagem do Hospital das Clínicas de Ribeirão Preto (HCRP).Método: Neste estudo, desenvolveremos e avaliaremos uma abordagem baseada em IA para a detecção de realce de contraste em imagens de ressonância magnética cerebral ponderadas em T1 usando um grande conjunto de dados de um hospital público brasileiro. A abordagem baseada em IA será baseada em uma rede neural convolucional (CNN) treinada em uma base de aprendizado supervisionado, com o objetivo de prever com precisão a presença ou ausência de realce de contraste nas imagens. A entrada para a CNN serão as imagens de ressonância magnética e a saída será uma previsão binária da presença ou não de realce de contraste. Resultados: Foi observada uma sensibilidade de 78,5% e especificidade foi de 88,2%, sendo a acurácia de 85,7% entre os 7638 exames avaliados.Conclusão: A ferramenta desenvoldida obteve sucesso em seus objetivos com alta sensibilidade e especificidade na detecção de realce pós-contraste na sequência ponderada em T1, de forma totalmente automática. Durante nossa rotina diária, o software mostrou auxílio real e prático na avaliação destes exames, diminuindo o tempo para confecção dos laudos radiológicos. Os exames falso positivos são fácil e rapidamente descartados pelo médico radiologista. Palavras-chave: realce pós-contraste; imagem por ressonância magnética; inteligência artificial.