Projeto de Algoritmo de Aprendizagem Profunda do Intestino Delgado

Introdução.

O principal objetivo do estudo é avaliar a precisão do algoritmo de aprendizado profundo na diferenciação entre íleo terminal normal e anormal contra radiologistas experientes em imagens de enterografia por RM.

O estudo se baseia em pesquisas existentes, que mostraram que métodos estatísticos podem identificar locais de doença de Crohn do intestino delgado. No entanto, o processo consumia mais de 1 hora e não era totalmente automático. Nosso projeto investiga se o algoritmo de "aprendizagem profunda" de ponta (baseado em redes neurais), juntamente com o aumento do poder de computação, pode fornecer informações precisas e oportunas.

O projeto foi desenvolvido em conjunto por Radiologistas especialistas em imagens gastrointestinais (que estão cientes dos desafios em obter imagens precisas da doença de Crohn) e pelo Departamento de Ciência da Computação do Imperial College (que têm experiência no desenvolvimento de redes neurais para imagens médicas). Contribuições e revisões do departamento de Pesquisa e Desenvolvimento do Noroeste de Londres também são reconhecidas.

Design de estudo.

Projeto Retrospectivo e Recrutamento.

O estudo identificará retrospectivamente os pacientes elegíveis e usará uma técnica de amostragem de casos consecutivos (todas as imagens elegíveis serão incluídas retroativamente a partir da mais recente).

Essa abordagem retrospectiva compromete a generalização dos resultados sendo reduzida versus o estudo sendo realizado de forma relativamente rápida e a baixo custo (o estudo não tem financiamento).

Os investigadores estão confiantes na generalização dos resultados, pois um alvo de recrutamento de 113 casos normais e 113 casos com doença ileal terminal deve cobrir o espectro de aparências normais e anormais (estudos anteriores usaram <50 conjuntos de imagens).

Casos com íleo terminal normal na ressonância magnética são incluídos como uma abordagem para o desenvolvimento do algoritmo que envolve a comparação de características de imagem de íleo terminal normal e anormal em estudos de ressonância magnética.

Abordagem não experimental.

O método usa exames de ressonância magnética realizados como parte do atendimento clínico padrão. Nenhuma imagem adicional é realizada para este estudo. Os resultados do estudo não alterarão o(s) tratamento(s) atual(is) que os pacientes elegíveis estão tomando.

Consentimento e confidencialidade.

Como as imagens usadas para o desenvolvimento do algoritmo são totalmente anonimizadas, o consentimento explícito não será obtido. Isso segue a orientação das Diretrizes do Conselho Médico Geral em 2011 e do Royal College of Radiologists (Reino Unido) em 2017, que afirmam que as gravações anônimas podem ser compartilhadas para uso em pesquisas sem consentimento.

As imagens de ressonância magnética usadas para este estudo foram adquiridas como parte do atendimento clínico padrão de rotina e seriam visualizadas rotineiramente pelos radiologistas participantes deste estudo como parte de sua prática normal de trabalho.

Assim que o paciente adequado for identificado, as imagens do paciente serão copiadas de forma totalmente anônima, sem identificadores diretos ou indiretos. Uma função robusta de anonimização está incluída no programa de visualização de imagens de Radiologia. Os identificadores do sujeito do estudo serão alocados aleatoriamente, evitando o pseudo-anonimato, se forem incluídos exames do mesmo paciente em diferentes momentos.

Nenhum dado sensível/identificável do paciente será transferido para o desenvolvimento do algoritmo durante o estudo. O desenvolvimento do algoritmo é baseado na correspondência de intensidades de pixel de ressonância magnética para pontuações/anotações de doenças em várias varreduras. A anonimização não afeta os pixels da imagem. Somente dados agregados serão apresentados em publicações - ou seja, exemplos de casos únicos não serão publicados.

Conflito de interesses. Os pesquisadores deste estudo declaram não haver conflito de interesses.