Diagnóstico de aprendizado profundo e estratificação de risco para FPI e DPOC (DeepBreath)

Pacientes consensuais pareados por idade (+/- 2,5 anos) nunca fumantes com função pulmonar normal (espirometria, volume pulmonar e fator de transferência para monóxido de carbono (TLCO)) acompanhados no ambulatório de pneumologia com qualidade semelhante de prontuários eletrônicos, mas para outras doenças do que o resultado de interesse, a saber:

1. pacientes com apneia obstrutiva do sono.
2. pacientes acompanhados por doenças pulmonares ocupacionais (mineiros, químicos, etc.).
3. pacientes acompanhados por nódulos pulmonares (considerados benignos após 2 anos).

Determinar o desempenho preditivo da ausculta pulmonar avaliada por algoritmo de IA e LUS na identificação e estratificação de risco de assinaturas de ILD de indivíduos de controle descritos em termos de estatísticas descritivas, área sob a curva característica operacional do receptor, sensibilidade, especificidade, preditiva positiva e negativa valores e razões de verossimilhança (intervalos de confiança de 95%).

Os sons pulmonares digitais serão transformados em coeficientes Mel Frequency Cepstrum. Várias técnicas de aumento de dados serão exploradas. O efeito de cada método de pré-processamento será testado. A abordagem com melhor desempenho de acordo com a sensibilidade e especificidade será relatada. Este conjunto de dados será então alimentado em várias redes de aprendizagem profunda com estratégias de agregação para classificação binária em positivo vs negativo para resultados de diagnóstico para:

• DPI ou sujeitos de controle
• DPI ou DPOC
• (Se ILD+) IPF ou NSIP

A mesma previsão também será feita usando imagens LUS.

Para determinar o desempenho preditivo da gravidade clínica de ILD do algoritmo DeepBreath com base em gravações de sons pulmonares digitais humanos e LUS, a estratificação de risco usará multiclasse ou regressão de acordo com escalas de classificação obtidas de:

• Questionário de impacto da vida K-BILD e CAT.
• Provas de função pulmonar (Volume Expiratório Forçado em 1 seg, Capacidade vital forçada, Volume Expiratório Forçado em 1 seg/Capacidade vital forçada, Capacidade pulmonar total, Capacidade respiratória funcional, Capacidade de transferência de monóxido de carbono, Volume alveolar).
• Tomografia Computadorizada de Alta Resolução (os marcadores de gravidade que serão utilizados são: bronquiectasias de tração, presença de faveolamento, opacidades em vidro fosco, reticulação, enfisema. As tomografias computadorizadas de tórax serão revisadas independentemente por dois radiologistas cegos um para o outro).

O desempenho do algoritmo DeepBreath para determinar as subcategorias de ILD, como IPF e NSIP, com base em sons pulmonares digitais e LUS de acordo com o diagnóstico padrão-ouro:

• A IPF segue os critérios do Consenso da Fleischner Society.
• O diagnóstico de PINE segue a classificação da American Thoracic Society.

Estado de saúde da doença pulmonar intersticial breve de King: o questionário de estado de saúde K-BILD é um questionário de estado de saúde autopreenchido e validado com 15 itens. Possui três domínios: falta de ar e atividades, sintomas psicológicos e torácicos. O domínio K-BILD e os intervalos de pontuação total são de 0 a 100, com as pontuações mais altas correspondendo a melhor qualidade de vida relacionada à saúde.

Este questionário será usado para avaliar o impacto da DPI na qualidade de vida relacionada à saúde dos indivíduos. O preenchimento deste questionário demorará cerca de 3 minutos.

Teste de avaliação de DPOC: o questionário de estado de saúde CAT é um questionário de estado de saúde autopreenchido, validado com 8 itens. A pontuação total do CAT varia de 0 a 40, onde 0 representa ausência de sintomas e 40 sintomas muito ruins.

Este questionário será usado para avaliar o impacto da DPOC na qualidade de vida relacionada à saúde dos indivíduos. O preenchimento deste questionário demorará cerca de 3 minutos.