Uso de algoritmos de inteligência artificial para triagem de tomografias computadorizadas de pacientes portadores de carcinoma hepatocelular (2024)
- Authors:
- Autor USP: ROCHA, BRUNO ARAGÃO - FM
- Unidade: FM
- DOI: 10.11606/T.5.2024.tde-25022025-140523
- Subjects: APRENDIZADO COMPUTACIONAL; BANCO DE DADOS; CARCINOMA HEPATOCELULAR; INTELIGÊNCIA ARTIFICIAL
- Keywords: Aprendizado profundo; Artificial intelligence; Computed tomography; Database; Deep learning; Hepatocellular carcinoma; Machine learning; Tomografia computadorizada
- Language: Português
- Abstract: Introdução: o carcinoma hepatocelular (CHC) é um tumor muito relevante para a saúde pública. A tomografia computadorizada (TC) de abdome com protocolo multifásico de contraste é crucial para o diagnóstico de CHC. Avanços em machine learning (ML), em especial deep learning (DL) com convolutional neural networks (CNN), tem ganhado espaço na literatura médica. Apesar desses avanços, a aplicação dessas técnicas no diagnóstico do CHC é inicial, enfrentando desafios como inconsistências nos metadados DICOM, falta de descrição precisa de fluxos de trabalho e poucos estudos de DL em TC de abdome para triagem de CHC. Objetivos: desenvolver um algoritmo de CNN para classificar automaticamente a fase do contraste em TC de abdome a partir da imagem, sem depender dos metadados DICOM. Descrever a criação e implantação de um banco de dados estruturado em um hospital universitário para armazenar exames de TC com informações clínicas e de imagem. Treinar e avaliar a acurácia de algoritmos de CNN para predizer alterações morfológicas hepáticas e a presença de CHC. Métodos: este estudo inclui três artigos. Artigo 1: estudo retrospectivo com 396 TCs de abdome (80% para treino e 20% para teste), com protocolo de contraste multifásico. Uma CNN foi treinada para classificar a fase de contraste baseada na imagem. Artigo 2: estudo descritivo qualitativo que detalha a criação e implantação de um banco de dados estruturado em um hospital universitário para armazenar exames de TC de abdome cominformações relevantes para o treinamento de algoritmos de inteligência artificial. Artigo 3: estudo retrospectivo com dois experimentos. O experimento 1 envolveu 424 TCs para detecção de alterações morfológicas hepáticas e o experimento 2, 145 TCs de treino e 300 TCs de teste para triagem de CHC, usando a arquitetura de CNN YOLO V8 para detecção de nódulos na fase arterial. Resultados: Artigo 1: A CNN alcançou 94,6% de acurácia por fatia, 98% por série e 100% no exame completo para classificar a fase do contraste. Artigo 2: foi criado um banco de dados relacional integrado à infraestrutura de tecnologia da informação do hospital, com um dashboard gerencial e filtros para seleção de dados. Artigo 3: no experimento 1, a CNN teve 86,2% de precisão, 85,9% de sensibilidade e 87% de especificidade; no experimento 2, o modelo YOLO V8 apresentou 80,9% de sensibilidade, 74,9% de especificidade, 77% de precisão, 57,6% de valor preditivo positivo, 90,3% de valor preditivo negativo e 67,4% de F1 score para triagem de CHC. Discussão e Conclusão: esse compilado de artigos contribui para a evolução do conhecimento científico na aplicação de técnicas de aprendizado profundo em exames de TC de abdome com foco na triagem de CHC. O primeiro artigo mostra a viabilidade de usar CNNs para identificar a fase do exame a partir da imagem, superando inconsistências nos metadados DICOM. O segundo artigo detalha a criação de uma infraestrutura de banco de dados para treinamento de algoritmos em umhospital universitário, fornecendo subsídios para outros grupos replicarem a arquitetura. O terceiro artigo demonstra a viabilidade técnica de algoritmos de DL na triagem de alterações morfológicas hepáticas e presença de CHC no exame, embora ressalte a necessidade de dados mais diversos para aprimorar os modelos. Esses achados evidenciam o potencial dos modelos de DL para melhorar o fluxo diagnóstico e potencialmente trazer benefícios ao cuidado dos pacientes
- Imprenta:
- Data da defesa: 03.10.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ROCHA, Bruno Aragão. Uso de algoritmos de inteligência artificial para triagem de tomografias computadorizadas de pacientes portadores de carcinoma hepatocelular. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/5/5151/tde-25022025-140523/. Acesso em: 02 maio 2025. -
APA
Rocha, B. A. (2024). Uso de algoritmos de inteligência artificial para triagem de tomografias computadorizadas de pacientes portadores de carcinoma hepatocelular (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/5/5151/tde-25022025-140523/ -
NLM
Rocha BA. Uso de algoritmos de inteligência artificial para triagem de tomografias computadorizadas de pacientes portadores de carcinoma hepatocelular [Internet]. 2024 ;[citado 2025 maio 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/5/5151/tde-25022025-140523/ -
Vancouver
Rocha BA. Uso de algoritmos de inteligência artificial para triagem de tomografias computadorizadas de pacientes portadores de carcinoma hepatocelular [Internet]. 2024 ;[citado 2025 maio 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/5/5151/tde-25022025-140523/
Informações sobre o DOI: 10.11606/T.5.2024.tde-25022025-140523 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
