Resultados do software de detecção de trombose venosa profunda ThinkSono são publicados na Nature Digital Medicine (npj)
LONDRES e POTSDAM, Alemanha, 16 de setembro de 2021 /PRNewswire/ -- Uma equipe de pesquisadores está desenvolvendo o uso de um algoritmo de inteligência artificial (IA) com o objetivo de diagnosticar a trombose venosa profunda (TVP) de forma mais rápida e com a mesma eficácia dos exames de diagnóstico tradicionais interpretados por radiologistas. Isso reduziria potencialmente as longas listas de espera de pacientes e evitaria que pacientes tomassem medicamentos para tratar a TVP desnecessariamente, uma vez que não a tenham.
A TVP é um tipo de coágulo sanguíneo formado mais comumente na perna, causando inchaço, dor e desconforto. Quando não tratado, pode levar a coágulos sanguíneos fatais nos pulmões. De 30 a 50% das pessoas que desenvolvem TVP podem passar a ter sintomas e invalidez no longo prazo.
Pesquisadores da Universidade de Oxford, da Imperial College e da Universidade de Sheffield colaboraram com a empresa de tecnologia ThinkSono (que é liderada por Fouad Al-Noor e Sven Mischkewitz), para treinar um algoritmo de IA de aprendizado de máquina (AutoDVT) para distinguir pacientes que tiveram TVP daqueles sem TVP. O algoritmo de IA diagnosticou com precisão a TVP, em comparação com o exame de ultrassom padrão ouro, e a equipe descobriu que o uso do algoritmo poderia potencialmente economizar 150 dólares por exame para o sistema de saúde.
"Tradicionalmente, os diagnósticos de TVP precisam de um exame de ultrassom especializado realizado por um radiologista treinado, e descobrimos que os dados preliminares utilizando o algoritmo de IA acoplado a um equipamento de ultrassom portátil mostram resultados promissores", disse o Dr. Nicola Curry, pesquisador do Departamento de Medicina Radcliffe da Universidade de Oxford e médico do Oxford University Hospitals NHS Foundation Trust.
Esse é o primeiro estudo a mostrar que os algoritmos de IA de aprendizado de máquina podem diagnosticar potencialmente a TVP, e os pesquisadores devem iniciar um estudo clínico cego de precisão de testes, comparando a precisão do AutoDVT com o tratamento padrão para determinar a sensibilidade de identificação de casos de TVP. A esperança é que o AutoDVT obtenha o diagnóstico correto de forma mais rápida para as quase oito milhões de pessoas em todo o mundo que potencialmente têm um coágulo sanguíneo venoso todos os anos.
"O algoritmo de IA não só pode ser treinado para analisar imagens de ultrassom para discriminar a presença em relação à ausência de um coágulo sanguíneo, mas também pode direcionar o usuário que esteja utilizando o bastão de ultrassom para os locais certos ao longo da veia femoral, para que até mesmo um usuário não especialista possa obter as imagens certas", disse Christopher Deane, membro da equipe de estudo do Centro de Hemofilia e Trombose de Oxford.
A equipe de pesquisa espera que a combinação da ferramenta AutoDVT com a inclusão do algoritmo de IA permita que profissionais de saúde não especialistas, como clínicos gerais e profissionais de enfermagem, diagnostiquem e tratem rapidamente a TVP. Pode também permitir a coleta de imagens por não especialistas, que poderiam ser enviadas a um especialista, facilitando o diagnóstico de pessoas que não têm acesso a um especialista.
"Atualmente, muitos pacientes não têm um diagnóstico definitivo dentro de 24 horas de uma suspeita de TVP, e muitos pacientes acabam recebendo injeções dolorosas do que frequentemente pode ser um anticoagulante desnecessário, com potencial efeito colateral", disse o Dr. Curry, que também faz parte do Centro de Hematologia de Oxford.
Fouad Al Noor, CEO da ThinkSono, declarou: "Estamos muito satisfeitos com os resultados desse estudo e entusiasmados em trabalhar ainda mais com o Oxford University Hospital e outros hospitais parceiros para testar o software e oferecê-lo a pacientes do mundo todo."
Os resultados do estudo estão publicados na revista especializada npj Digital Medicine.
O site da ThinkSono pode ser acessado em:
www.thinksono.com
Entre em contato com a ThinkSono para mais informações: Fouad Al Noor, [email protected]
Observação: o artigo da pesquisa pode ser visualizado em: https://www.nature.com/articles/s41746-021-00503-7 com a DOI: https://doi.org/10.1038/s41746-021-00503-7
Foto - https://mma.prnewswire.com/media/1626577/ThinkSono.jpg
FONTE ThinkSono Ltd
Share this article