Discriminação precoce de infecções periprotéticas do quadril usando redes neurais (SEPTIC-ANNR) (SEPTIC-ANNR)

As infecções periprotéticas do quadril são um tópico importante em cirurgia ortopédica, cuja incidência é de cerca de 1%. A morbidade, mortalidade e custos adicionais associados à hospitalização prolongada e tratamentos adicionais são as principais preocupações. As infecções periprotéticas são geralmente diagnosticadas usando os critérios do CDC (Centro de Controle e Prevenção de Doenças) (2014). O diagnóstico é baseado em critérios maiores e menores, incluindo parâmetros pré-operatórios e intra-operatórios. Para obter um diagnóstico confiável de infecção, quando a fístula não está presente, a aspiração do líquido sinovial ou amostras de tecido são necessárias. No entanto, essas técnicas são caras e invasivas. Além disso, a sensibilidade nem sempre é tão acurada, como demonstram algumas séries de cirurgias revisionais por suposta soltura asséptica, que se mostraram sépticas após culturas. Portanto, o diagnóstico de infecção muitas vezes ocorre tardiamente e após uma longa, complexa, cara e nem sempre decisiva propedêutica diagnóstica, impactando no tempo e sucesso do tratamento.

Seria desejável um procedimento diagnóstico prático, rápido, confiável e não invasivo (possivelmente ambulatorial) para infecções periprotéticas. Pode contar com diagnóstico por imagem, limitando a coleta de líquido ou tecidos a casos duvidosos. Atualmente, as técnicas de imagem de TC e medicina nuclear não são adotadas rotineiramente no diagnóstico de infecção, devido à modesta confiabilidade, custos e exposição a agentes radiantes.

Recentemente, as redes neurais foram introduzidas: consistem em muitos processadores paralelos simples, profundamente conectados, realizando um modelo computacional. As redes neurais imitam o cérebro e sua capacidade de aprender. Modelos computacionais reconhecem sinais visuais, gerenciam situações complexas em tempo real, classificam e gerenciam ruídos, usam memória associativa com acesso em tempo real a grandes quantidades de dados e reconstroem informações parciais ou corrompidas. As redes neurais já foram utilizadas para prever o aparecimento de infecções, metástases e falhas de tratamento, integrando dados clínicos e diagnósticos por imagem. Até o momento, nenhum estudo sobre redes neurais em infecção periprotética foi realizado. O objetivo deste estudo é avaliar se as redes neurais (algoritmos genéticos das redes neurais celulares), aplicadas às radiografias convencionais, são precisas, sensíveis e específicas para a discriminação precoce de uma infecção periprotética do quadril, já diagnosticada com métodos bem reconhecidos ( CDC 2014).

Especificamente, é selecionada uma população de pacientes, com história radiográfica completa (radiografias pré-operatórias e uma série de outras radiografias pós-operatórias), tratados para soltura séptica ou asséptica.

Ambos os casos são necessários para "instruir" uma rede neural. A primeira etapa consiste em identificar uma série consecutiva de pacientes com diagnóstico de soltura séptica ou asséptica, consultando o banco de dados hospitalar. Assim, os pacientes são categoricamente divididos em soltura séptica ou asséptica. Os critérios do CDC de 2014 são usados ​​(conforme realizado rotineiramente no ambiente clínico), acrescentando outro critério importante e necessário: pelo menos 3 amostras de tecido intraoperatórias positivas (mesmo microrganismo). Em caso de soltura asséptica, o estojo não deve atender aos critérios do CDC 2014. Assim, são coletados os dados de imagem e clínicos dos pacientes. Feito o diagnóstico, o material radiográfico é processado (algoritmo genético das redes neurais celulares). O procedimento proposto processa as imagens radiográficas usando o seguinte pipeline e o software MatLab (Mathworks, Natick, EUA):

• linha de base: a primeira imagem pós-implante é comparada com a imagem radiográfica pré-implante;
• os progressos são registrados por radiografias periódicas usando projeções padrão e repetíveis (raios-X da pelve);
• as características são extraídas de cada imagem, na área segmentada manualmente (região de interesse - ROI). Três etapas ocorrem: 1) pré-processamento da imagem, para criar estruturas uniformes de dados de entrada (imagens em nível de cinza). Equalização de histograma de cores; 2) recursos extraídos de redes neurais são aplicados ao ROI. Modelos de clonagem usando algoritmos genéticos. As feições serão processadas por uma camada totalmente conectada + SoftMax; 3) características extraídas do AutoEconder com camada totalmente conectada + SoftMax;
• análise de características radiográficas diferenciais (análise de lados celulares e convolutivos) e comparação com a linha de base. Pós-processamento da seguinte forma: 1) camada de regressão totalmente conectada e classificador multiclasse: produzirá o percentual de risco de progressão séptica; 2) camada de regressão totalmente conectada e classificador binário: recursos nos clusters sépticos/assépticos;
• uma árvore de decisão final: fusão dos dados acima mencionados, fornecendo um percentual de risco de progressão séptica na imagem indexada. O objetivo é verificar se as redes neurais aplicadas à imagem radiográfica podem reconhecer com precisão, sensibilidade e especificamente uma infecção tardia e crônica periprotética do quadril diagnosticada de acordo com critérios validados e certos.