# Quais técnicas de aumento de dados em imagens médicas de TC e RM são usadas para treinar modelos de aprendizado profundo? > Uma revisão sistemática da literatura categorizou as técnicas de aumento de dados aplicadas a imagens de TC e RM usadas para treinar modelos de aprendizado profundo em básicas, deformáveis, de aprendizado profundo e outras. O aumento gera dados adicionais para o treino e tem mostrado melhora de desempenho quando validado em conjunto de dados separado e não visto. Estudo citado: Chlap P, Min H, Vandenberg N, Dowling J, Holloway L, Haworth A. A review of medical image data augmentation techniques for deep learning applications. Journal of medical imaging and radiation oncology. 2021. DOI: https://doi.org/10.1111/1754-9485.13261. PubMed: https://pubmed.ncbi.nlm.nih.gov/34145766/ ## Resposta A pesquisa em inteligência artificial aplicada à radiologia e à radioterapia tem se apoiado cada vez mais em algoritmos baseados em aprendizado profundo. Esses modelos podem superar métodos tradicionais de aprendizado de máquina, mas dependem de conjuntos de dados maiores para o treinamento. Em imagens médicas, esses conjuntos grandes nem sempre estão disponíveis, o que torna o aumento de dados uma estratégia frequente. O aumento de dados busca gerar dados adicionais que serão usados no treinamento do modelo. A revisão relata que essa abordagem tem mostrado melhora de desempenho quando o modelo é validado em um conjunto de dados separado e não visto. Isso posiciona o aumento de dados como parte do fluxo de construção de modelos, e não apenas como um ajuste acessório. Para compreender quais técnicas são usadas nos modelos de aprendizado profundo do estado da arte, os autores conduziram uma revisão sistemática da literatura. Foram incluídos estudos em que o aumento de dados foi utilizado em imagens médicas, limitados a TC e RM, para treinar um modelo de aprendizado profundo. Os artigos foram categorizados em técnicas básicas, deformáveis, de aprendizado profundo ou outras técnicas de aumento de dados. A revisão tem como objetivo oferecer aos leitores uma visão dessas técnicas e confiança na validade dos modelos produzidos, à medida que modelos de inteligência artificial treinados com dados aumentados passam a chegar à clínica. O resumo não detalha a quantidade de artigos incluídos, os critérios específicos de cada categoria nem os resultados numéricos de desempenho. ## O que o estudo mostrou Trata-se de uma revisão sistemática da literatura sobre técnicas de aumento de dados aplicadas a imagens médicas, limitada a TC e RM, para treinar modelos de aprendizado profundo. O resumo não informa o número de artigos incluídos nem o desenho detalhado dos estudos primários. Os artigos foram categorizados em técnicas básicas, deformáveis, de aprendizado profundo ou outras. O resumo relata que o aumento de dados gera dados adicionais para o treinamento e tem mostrado melhora de desempenho quando validado em conjunto de dados separado e não visto. ## Limitações O resumo não informa a quantidade de artigos incluídos, os critérios de seleção detalhados, a qualidade metodológica dos estudos primários nem resultados numéricos de desempenho por técnica. Também não são descritas limitações específicas das técnicas de aumento de dados. O escopo é restrito a TC e RM, e o resumo não permite concluir qual técnica é superior para cada aplicação clínica. ## Aplicação no consultório Para o médico que acompanha a incorporação de ferramentas de inteligência artificial na rotina de imagem, a revisão ajuda a entender que os modelos são treinados com dados aumentados e que a validação em conjunto separado e não visto é um elemento a considerar ao avaliar essas ferramentas. Na gestão do consultório ou do serviço, isso orienta perguntas sobre como o modelo foi treinado e validado, sem que o resumo permita definir qual técnica adotar. O resumo não traz recomendações de uso clínico. ## Perguntas para aprofundar - Como o aumento de dados em imagens de TC e RM influencia a validade dos modelos de aprendizado profundo usados na clínica? - Quais categorias de técnicas de aumento de dados são descritas para treinar modelos de aprendizado profundo em imagens médicas? - O que verificar sobre treinamento e validação ao avaliar uma ferramenta de inteligência artificial em radiologia? Tema: IA em diagnóstico por imagem e radiologia. Página: https://alphadoctor.com.br/ciencia/ia-radiologia/quais-tecnicas-de-aumento-de-dados-em-imagens-medicas-de-tc-e-rm-sao-usadas/ Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.