Dados do Trabalho

Título

Resultados Preliminares da Análise dos Padrões Pulmonares na Tomografia Computadorizada de Tórax na COVID-19 Pós-aguda por Modelos Computacionais Baseados em Inteligência Artificial

Introdução

A COVID-19 foi declarada pandemia pela Organização Mundial da Saúde (OMS) em março de 2020 e registra até o momento mais de 6 milhões de mortes, a maioria por envolvimento pulmonar. As sequelas e complicações de longo prazo da doença constituem a síndrome de COVID pós-aguda ou pós-COVID, segundo o National Institute of Health and Care Excellence. É a persistência de sintomas (tosse, dispneia, fadiga, cansaço) 4 a 12 semanas após o inicio da infecção, sem que haja explicação por diagnóstico alternativo. Estudos recentes demonstraram que um terço dos sobreviventes, além de apresentar sintomas persistentes, têm alterações na Tomografia Computadorizada (TC) de tórax. A Inteligência Artificial (IA) na área da saúde tem evoluido progressivamente e no inicio da pandemia foi utilizada como suporte ao diagnóstico e classificação de gravidade da COVID-19. Apesar do potencial da IA para ser uma ferramenta importante na análise dos padrões da doença pulmonar pós-COVID-19, ainda há poucos estudos sobre a sua aplicação nessa área. Os objetivos deste trabalho são descrever os padrões pulmonares pós-COVID-19 na TC e apresentar um modelo de IA para reconhecimento destes padrões, a partir das leituras dos exames e classificações realizadas por dois radiologistas torácicos com mais de 10 anos de experiência.

Casuística e Métodos

Os dados clínicos e radiológicos foram analisados a partir de informações dos prontuários e sistema RIS/PACS. Foram propostos dois modelos de IA baseados em Deep Learning: um modelo em estágio único e outro com dois estágios.

Resultados

Os padrões pulmonares mais comuns, segundo a classificação de Mogami e cols (2022) foram os seguintes: reabsorção (39%), pequenas vias aéreas (32%), semelhante à fibrose (17%) e semelhante à pneumonia intersticial não-específica (Pines) (7%). Na primeira análise dos dois modelos de Deep Learning para classificação dos padrões, a validação foi de 100% para o modelo de estágio único e de 98% para o de dois estagios.

Conclusões

Mesmo em fase inicial, os modelos de Deep Learning, desenvolvidos a partir dos padrões pós-COVID-19 caraterizados na TC apresentaram resultados favoráveis. Futuramente, pretende-se a testagem dos modelos de IA numa base de dados diferente.

Palavras Chave

Tomografia Computadorizada por raios X. Doença por Virus COVID-19. Doença Pulmonar. Inteligência Artificial. COVID-19.