Um novo modelo de deep learning foi desenvolvido para diagnosticar e classificar a Doença Pulmonar Obstrutiva Crônica (DPOC) com precisão comparável aos métodos tradicionais, segundo um estudo publicado na Radiology: Cardiothoracic Imaging. Este avanço utiliza apenas um exame de tomografia computadorizada (TC) dos pulmões realizado durante a inspiração, eliminando a necessidade de imagens adicionais.
O Que é DPOC?
A DPOC engloba um grupo de doenças pulmonares progressivas que dificultam a respiração e podem causar sintomas como falta de ar e fadiga. Sem cura conhecida, é a terceira principal causa de morte no mundo, de acordo com a Organização Mundial da Saúde.
Como é Diagnosticada Tradicionalmente?
O diagnóstico convencional de DPOC utiliza espirometria, um teste que avalia a função pulmonar ao medir o volume e a velocidade do ar durante a inspiração e expiração. Em alguns casos, imagens de TC também são empregadas para analisar a estrutura dos pulmões. No entanto, muitas vezes são necessárias duas aquisições de imagem: uma durante a inspiração e outra na expiração, o que pode ser um desafio para pacientes idosos ou com limitações respiratórias.
Uma Abordagem Simplificada com Inteligência Artificial
O estudo liderado pelo Dr. Kyle A. Hasenstab, da Universidade Estadual de San Diego, propôs o uso de uma única imagem de TC inspiratória combinada a redes neurais convolucionais (CNN) e dados clínicos para diagnosticar e classificar a DPOC. Redes CNN são ferramentas de aprendizado profundo que analisam e classificam imagens de forma eficiente.
Com base em um conjunto de dados retrospectivo de mais de 8.800 pacientes com histórico de tabagismo, o modelo foi treinado para prever os resultados da espirometria e classificar os pacientes de acordo com os estágios da DPOC definidos pelo sistema GOLD (Global Initiative for Obstruct Lung Disease), que varia de leve a muito grave.
Resultados Promissores
Os resultados mostraram que o modelo foi capaz de diagnosticar DPOC com alta precisão, classificando corretamente os pacientes dentro de um estágio do sistema GOLD. Ao incluir dados clínicos, a performance do modelo foi ainda mais aprimorada. O estudo também revelou que redes CNN usando dados de apenas uma fase respiratória, seja de inspiração ou expiração, tiveram desempenho similar.
Impacto na Prática Médica
“Reduzir o diagnóstico a uma única aquisição de TC inspiratória pode aumentar a acessibilidade desse método, reduzindo custos, desconforto e exposição à radiação para os pacientes”, disse o Dr. Hasenstab.
A pesquisa abre caminho para uma abordagem mais acessível e eficiente no diagnóstico de DPOC, especialmente em instituições com recursos limitados ou sem protocolos avançados de aquisição de imagens.
Para mais informações, visite RSNA.
Esta é uma adaptação do conteúdo original publicado pela RSNA.
