AI, deep learning para agora ajudar no diagnóstico de defeitos congênitos
Uma equipe do Universidade de Otava em uma nova prova de conceito, foi pioneira no uso de um modelo exclusivo de aprendizado profundo como uma ferramenta de assistência para a leitura rápida e precisa de imagens de ultrassom.
O objetivo do estudo, publicado na revista científica Plos Onefoi demonstrar o potencial da arquitetura de aprendizado profundo para apoiar a identificação precoce e confiável de higroma cístico a partir de exames de ultrassom do primeiro trimestre.
O higroma cístico é uma condição embrionária que faz com que o sistema vascular linfático se desenvolva de forma anormal. É um distúrbio raro e potencialmente fatal que leva ao inchaço do líquido ao redor da cabeça e do pescoço. Está documentado em aproximadamente 1 em 800 gestações e 1 em 8.000 nascidos vivos.
A ultrassonografia é fundamental na observação do crescimento e desenvolvimento fetal, no entanto, pequenas estruturas fetais, movimentos fetais involuntários e baixa qualidade de imagem tornam a aquisição e interpretação da imagem neonatal um desafio. O grupo de pesquisa queria testar quão bem o reconhecimento de padrões orientado por IA poderia fazer o trabalho.
“O que demonstramos foi que no campo do ultrassom somos capazes de usar as mesmas ferramentas para classificação e identificação de imagens com alta sensibilidade e especificidade”, disse o Dr. Mark Walker na Faculdade de Medicina da Universidade.
“Com mais desenvolvimento, incluindo testes em um grande conjunto de dados em vários locais e validação externa, nossa abordagem pode ser aplicada a uma série de outras anomalias fetais normalmente identificadas por ultrassonografia”, observou ele.
FacebookTwitterLinkedin
Source link
