Modelos de deep learning aplicados a imagens radiológicas podem melhorar a detecção e o diagnóstico da COVID-19?
Resposta curta: Sim. A revisão sistemática identificou que modelos de deep learning aplicados a imagens radiológicas têm capacidade de oferecer um sistema preciso e eficiente para detecção e diagnóstico da COVID-19, aumentando significativamente a sensibilidade e especificidade e reduzindo erros de falso-positivo e falso-negativo.
Resposta
A pandemia de COVID-19 impôs desafios para a detecção precoce e o diagnóstico preciso, especialmente pela novidade da doença. Métodos diagnósticos baseados em imagens radiológicas, embora amplamente utilizados, apresentam limitações. Diante disso, pesquisadores de medicina e computação têm voltado atenção para modelos de aprendizado de máquina na análise de imagens.
Esta revisão sistemática buscou sintetizar a literatura sobre modelos de deep learning para detecção e diagnóstico da COVID-19 por meio de modalidades radiológicas. Foram extraídos 168 artigos das bases PubMed, Scopus e Web of Science, publicados entre novembro de 2019 e julho de 2020, dos quais 37 foram selecionados pelos critérios de inclusão e exclusão.
Os achados indicam que os modelos baseados em deep learning têm capacidade extraordinária de oferecer um sistema acurado e eficiente para detecção e diagnóstico da COVID-19. A aplicação desses modelos no processamento de imagens radiológicas levaria a um aumento significativo nos valores de sensibilidade e especificidade.
A conclusão do estudo é que o uso de deep learning no processamento de imagens radiológicas da COVID-19 reduz erros de falso-positivo e falso-negativo na detecção e no diagnóstico. Além disso, oferece uma oportunidade única de fornecer serviços diagnósticos rápidos, baratos e seguros aos pacientes.
Para o médico, esses resultados sugerem que ferramentas de inteligência artificial podem auxiliar na interpretação de exames de imagem, mas a implementação clínica exige validação e consideração das limitações dos estudos primários. O resumo não detalha os modelos específicos, as modalidades de imagem ou as métricas de desempenho de cada estudo incluído.
O que o estudo mostrou
Revisão sistemática com busca em PubMed, Scopus e Web of Science, de novembro de 2019 a julho de 2020, que extraiu 168 artigos e selecionou 37 para análise. Os achados indicam que modelos de deep learning aplicados a imagens radiológicas têm capacidade de oferecer sistema preciso e eficiente para detecção e diagnóstico da COVID-19, com aumento significativo de sensibilidade e especificidade e redução de erros de falso-positivo e falso-negativo. O resumo não informa detalhes sobre desenho ou amostra dos estudos incluídos.
Limitações
O resumo não informa as limitações dos estudos primários incluídos, nem detalha a qualidade metodológica, os tipos de modelos de deep learning, as modalidades de imagem ou as métricas de desempenho. Também não são apresentados dados sobre heterogeneidade entre os estudos ou risco de viés. Essas lacunas limitam a generalização dos achados para a prática clínica.
Aplicação no consultório
Os achados sugerem que sistemas de deep learning podem auxiliar na análise de imagens radiológicas para COVID-19, reduzindo erros e agilizando o diagnóstico. Na prática, o médico pode considerar o uso dessas ferramentas como apoio à decisão, desde que validadas e integradas ao fluxo de trabalho. Para a gestão do consultório, isso pode significar investimento em tecnologia e treinamento, além de atenção à acurácia e à segurança dos pacientes.
Estudo citado
Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review. Journal of healthcare engineering, 2021.
Autores: Ghaderzadeh M, Asadi F.
DOI: 10.1155/2021/6677314 · PubMed: PMID 33747419
Perguntas para aprofundar
- Quais modalidades radiológicas foram mais utilizadas nos estudos de deep learning para COVID-19?
- Como os modelos de deep learning podem ser implementados na rotina diagnóstica de consultórios?
- Quais são as principais limitações metodológicas dos estudos que aplicam deep learning em imagens radiológicas?
Mais sobre IA em diagnóstico por imagem e radiologia
- A inteligência artificial é tão eficaz quanto médicos para detectar displasia do desenvolvimento do quadril em exames de imagem?
- Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de fraturas faciais em tomografia e radiografias?
- Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de lesões de cárie em radiografias?
- Modelos de deep learning são tão precisos quanto médicos para diagnosticar pneumotórax em exames de imagem?
- O que a revisão sistemática sobre redes neurais convolucionais em radiologia de otorrinolaringologia revela sobre a aplicação clínica atual?
Todas as perguntas sobre IA em diagnóstico por imagem e radiologia · Todos os temas · Versão em markdown