Inteligência Artificial Baseada em Ultrassom para Classificação da Síndrome do Túnel do Carpo

A síndrome do túnel do carpo (STC) é uma das neuropatias periféricas mais prevalentes, afetando aproximadamente 4% da população em geral. Normalmente é classificado em três graus: leve, moderado e grave. A classificação precisa da síndrome do túnel do carpo (STC) é essencial para determinar as opções de tratamento apropriadas, desempenhando assim um papel crucial na otimização dos resultados dos pacientes. O teste eletrofisiológico (EST) é um parâmetro chave para classificar a síndrome do túnel do carpo (STC). No entanto, é limitado por vários factores, incluindo a sua natureza invasiva, fraca reprodutibilidade e sensibilidade reduzida para detectar doenças em fase inicial. Recentemente, o ultrassom ganhou ampla aceitação entre os médicos para avaliação e classificação da STC. No entanto, os radiologistas muitas vezes encontram desafios neste processo devido à variabilidade na qualidade da imagem, às diferenças na experiência e à subjetividade inerente.

Para resolver estes problemas, a inteligência artificial apresenta uma solução promissora. Portanto, este estudo tem como objetivo desenvolver um modelo de aprendizagem profunda para classificar CTS, aproveitando recursos de imagem multimodais, incluindo ultrassom modo B, excelente imagem microvascular (SMI) e elastografia. Além disso, os investigadores pretendem validar a eficácia do modelo testando-o com imagens de vários centros clínicos, garantindo a sua generalização em diferentes ambientes clínicos.