Validação de um Algoritmo de Inteligência Artificial Identificando Pontos de Referência Ecocardiográficos. Ultrassom - Guia de Aquisição Cardíaca (U-CAG)

Em resposta a esse problema, várias equipes aproveitaram os avanços do aprendizado profundo, principalmente no campo da visão computacional, para ajudar não especialistas a obter essas visualizações de referência. Usando redes neurais convolucionais, várias equipes desenvolveram algoritmos para identificar e distinguir essas visualizações. O objetivo deste trabalho é auxiliar o operador identificando em tempo real a imagem ultrassonográfica obtida como vista de referência.

Desde janeiro de 2019, o laboratório de ecocardiografia liderado pelo Prof. Stéphane Lafitte e a DESKi, uma start-up de Bordeaux especializada em aprendizado profundo e imagens médicas, trabalham nesse tipo de solução. Em particular, eles foram capazes de desenvolver um algoritmo baseado em dados retrospectivos que classifica as imagens de acordo com 7 visualizações de referência (eixo longo paraesternal, eixo curto paraesternal, cavidades apicais 4-3-2, cavidades subcostais 4 e veia cava inferior) e uma classe que representa imagens de ultrassom que não correspondem a nenhuma dessas visualizações.

As particularidades deste trabalho residem principalmente no fato de que o algoritmo só detecta visualizações com qualidade suficiente (ecogenicidade e parte anatômica visível na imagem) para uma análise confiável e que a arquitetura da rede neural é compatível com um uso em tempo real em um Smartphone.

Independentemente das equipes, todos esses algoritmos foram construídos e validados a partir de dados retrospectivos, ou seja, loops de imagens de ultrassom registradas por cardiologistas durante exames de ecocardiografia padrão. Nessas gravações, os cardiologistas guardam apenas as imagens correspondentes aos cortes de referência. O cardiologista anexa cada loop ou aquisição de imagem a uma visualização de referência. A partir dessas gravações rotuladas pelos cardiologistas e por um método de aprendizado, os algoritmos aprendem a detectar e distinguir essas visualizações de referência. Os algoritmos são então validados em uma amostra não utilizada para treinamento, comparando seus resultados com a rotulagem realizada pelos cardiologistas.

A limitação dessa validação é que ela leva pouco em conta o comportamento do algoritmo quando confrontado com imagens que não são vistas de referência.

De fato, antes de registrar essas visualizações de referência, o operador procura a posição da sonda que oferece a melhor visualização, movendo-a sobre o tronco do paciente. Toda essa fase de varredura é realizada durante o exame padrão sem ser registrada. Nenhuma dessas soluções foi, portanto, validada prospectivamente em aquisições, incluindo a fase de digitalização das visualizações de referência.

Por meio de um estudo prospectivo monocêntrico, o objetivo da pesquisa é comparar a marcação realizada pelo algoritmo e aquela realizada por cardiologistas a partir de aquisições incluindo o registro da fase de busca da visão de referência e obtidas como parte dos cuidados de rotina no laboratório de ecocardiografia.