Sistema foi treinado com mais de 20 mil imagens de mais de 6 mil pacientes em nove hospitais da Mayo Clinic
Uma equipe de pesquisadores desenvolveu uma ferramenta de inteligência artificial capaz de detectar infecções cirúrgicas com alta precisão a partir de fotos das feridas pós-operatórias enviadas pelos próprios pacientes.
O estudo, publicado no Annals of Surgery por pesquisadores da Mayo Clinic, apresenta uma cadeia de processamento baseada em IA, que pode identificar automaticamente incisões cirúrgicas, avaliar a qualidade das imagens e sinalizar sinais de infecção em fotos enviadas pelos pacientes através de portais online. O sistema foi treinado com mais de 20 mil imagens de mais de 6 mil pacientes em nove hospitais da Mayo Clinic.
Os pesquisadores esperam que essa tecnologia possa ajudar os pacientes a receber respostas mais rápidas, reduzir os atrasos no diagnóstico de infecções e oferecer um cuidado pós-operatório mais eficiente para quem se recupera em casa.
Com validações adicionais, o sistema também poderá atuar como uma ferramenta de triagem inicial, alertando os clínicos sobre incisões preocupantes.
“Fomos motivados pela crescente necessidade de acompanhamento ambulatorial das incisões cirúrgicas em tempo hábil,” diz coautor sênior Cornelius Thiels, oncologista cirúrgico hepatobiliar e pancreático da Mayo Clinic, em nota. “Esse processo, atualmente realizado por clínicos, consome muito tempo e pode atrasar o atendimento. Nosso modelo de IA pode ajudar a realizar a triagem dessas imagens de modo automático, melhorando a detecção precoce e simplificando a comunicação entre os pacientes e suas equipes de cuidado.”
A ferramenta de IA pode ainda abrir caminho para o desenvolvimento de algoritmos capazes de detectar sinais sutis de infecção, possivelmente antes que sejam perceptíveis pela equipe médica. Isso permitiria tratamentos mais precoces, menor morbidade e redução de custos, segundo a Mayo Clinic.
Como funciona?
O sistema de IA utiliza um modelo de duas etapas. A primeira etapa consiste em detectar se uma imagem contém uma incisão cirúrgica e, em seguida, avaliar se essa incisão apresenta sinais de infecção. O modelo, chamado de Vision Transformer, alcançou 94% de precisão na detecção de incisões e uma área sob a curva (AUC) de 81% na identificação de infecções.
“Este trabalho cria os alicerces para o cuidado de feridas pós-operatórias assistido por IA, o que pode transformar a forma como os pacientes pós-cirúrgicos são monitorados,” diz a autora principal Hala Muaddi, membro hepatopancreatobiliar da Clínica Mayo. “É especialmente relevante à medida que as cirurgias ambulatoriais e os acompanhamentos virtuais se tornam mais comuns.”
“Para os pacientes, isso pode trazer um alívio mais imediato ou indicar algum problema logo no início,” diz ela. “Para os clínicos, é uma maneira eficiente de concentrar a atenção nos quadros que exigem mais cuidados, sobretudo em áreas rurais ou com recursos limitados.”
Segundo os pesquisadores, o modelo apresentou um desempenho consistente entre diferentes grupos, o que ajuda a mitigar preocupações relacionadas ao viés dos algoritmos. Apesar disso, a equipe afirma que ainda são necessárias validações adicionais.
Por: Thâmara Kaoru
