Inteligência Artificial e Colonoscopia por Cápsula: Detecção Automática de Lesões Protuberantes Usando uma Rede Neural Convolucional - Estudo Multicêntrico

• Área: CÂNCER COLORRETAL

• Data: 01/09/2021

• Horário: 09:30 às 11:00

• Sala: Sala 02

Forma de Apresentação: Tema Livre

Objetivo: A colonoscopia por cápsula (CCE) representa um marco na exploração minimamente invasiva do cólon. Pólipos cólicos, neoplasia colorrectal e lesões subepiteliais são lesões frequentemente encontradas na CCE. Aceitação generalizada da CCE como um diagnóstico não invasivo o método é particularmente importante na definição do rastreio do cancro colorretal. No entanto, rever estes exames é um processo moroso e com risco significativo de ignorar lesões importantes. Neste contexto, pretendemos desenvolver um algoritmo de inteligência artificial (IA) utilizando uma rede neural convolucional (CNN) para detecção automática de lesões protuberantes do cólon.

Método: A CNN foi construída com imagens de CCE recolhidas de um total de 124 pacientes. A base de dados de imagens incluía imagens de pacientes com lesões protuberantes do cólon ou pacientes com mucosa cólon normal. Efetivamente, para a CNN foram extraídas 5715 imagens (2410 lesões salientes, 3305 mucosas normais) para o desenvolvimento da rede neural convolucional. Foram criados dois conjuntos de dados de imagem, utilizados para a formação e validação da CNN (conjunto/set de treino contendo 80% das imagens; conjunto/set de validação/teste contendo 20% das imagens). A performance da CNN foi medida através do cálculo da área sob a curva característica de funcionamento recetora (AUROC), sensibilidade, especificidade, valores preditivos positivos e negativos (PPV e NPV, respetivamente).

Resultados: A AUROC para detecção de lesões salientes foi de 0,99. A sensibilidade, especificidade, PPV e NPV foram de 90,0%, 99,1%, 98,6% e 93,2%, respetivamente. A precisão global da rede foi de 95,3%. Em suma, o mecanismo de IA apresentou elevadas métricas de performance ultrapassando sistemas de IA previamente desenvolvidas em endoscopia por cápsula.

Conclusões: A introdução de métodos de IA à CCE pode aumentar a sua precisão de diagnóstico e aceitação para rastreio da neoplasia colorretal. A implementação de ferramentas de IA para a prática clínica será um passo crucial para uma aceitação mais ampla da CCE para o rastreio e diagnóstico não invasivos do cancro colorrectal.