Dados do Trabalho

Título

O INSTRUMENTO DA INTELIGÊNCIA ARTIFICIAL NO DIAGNÓSTICO DOS PÓLIPOS GÁSTRICOS - UMA PROVA DE CONCEITO

Introdução

INTRODUÇÃO: O achado de pólipos gástricos em endoscopias em incidência que varia de 0,5 a 23%. Nos Estados Unidos, ocorrem em cerca de 6% das endoscopias e destes 77% são pólipos de glândulas fúndicas (PGF). Sabe-se que os PGF têm características endoscópicas típicas, no entanto, a realização de biópsias seguidas de estudos histopatológicos é prática comum no Brasil. Atualmente, há inúmeros algoritmos de inteligência artificial (IA) sendo desenvolvidos, com intuito de auxiliar o endoscopista em diagnósticos diferenciais de lesões do trato digestório.
OBJETIVO: O estudo propõe o desenvolvimento de um algoritmo de Inteligência Artificial e de um protótipo capaz de realizar o diagnóstico dos pólipos gástricos com boa acurácia.
MÉTODO: Após aprovação do estudo (CAAE 59898122.7.0000.0035) foi criado um dataset de imagens endoscópicas anônimas de estômago. As imagens foram rotuladas de acordo com a localização (corpo, antro ou fundo), presença de alterações e pólipos. A partir disto, foi desenvolvido um algoritmo e instituídos processos baseados em aprendizado de redes neurais e Deep Learning (DL), que posteriormente irão se dividir em três fases distintas (1) treinamento, (2) validação e (3) teste. Na última etapa, o poder de classificação do algoritmo, foi avaliado com a medida da acurácia diagnóstica, tanto em relação às imagens normais, quanto em relação às imagens com pólipos, usando dataset de imagens diferentes da etapa de validação e treinamento da rede neural. O algoritmo foi então avaliado para detecção das alterações, usando modelos de matrizes de confusão.
RESULTADOS: Um dataset contendo 300 imagens gástricas (38,1% de antro, 43,1% de corpo e 18,7% de fundo) foi utilizado. Exames normais corresponderam a 60,5% dos casos, sendo que 36,5% continham pólipos. Após balanceamento do algoritmo, procedeu-se as fases computacionais de treinamento e validação da rede neural. O dataset foi validado, sendo que o modelo foi capaz de diagnosticar corretamente a localização e a presença de pólipos com uma acurácia de 89% na fase teste. Na análise das matrizes de confusão, observou-se, ainda, que o modelo foi capaz de identificar imagens normais em 100% dos casos.
CONCLUSÃO: O uso deste algoritmo da IA, desenvolvido com um dataset de imagens nacionais, mostrou uma boa acurácia na detecção de pólipos gástricos. Trata-se de um modelo inovador que será aperfeiçoado para auxiliar o endoscopista em diagnósticos com precisão, confiabilidade e sustentabilidade.