LONDRES e POTSDAM, Alemanha, 16 de setembro de 2021 /PRNewswire/ -- Uma equipe de pesquisadores está desenvolvendo o uso de um algoritmo de inteligência artificial (IA) com o objetivo de diagnosticar a trombose venosa profunda (TVP) de forma mais rápida e com a mesma eficácia dos exames de diagnóstico tradicionais interpretados por radiologistas. Isso reduziria potencialmente as longas listas de espera de pacientes e evitaria que pacientes tomassem medicamentos para tratar a TVP desnecessariamente, uma vez que não a tenham.
A TVP é um tipo de coágulo sanguíneo formado mais comumente na perna, causando inchaço, dor e desconforto. Quando não tratado, pode levar a coágulos sanguíneos fatais nos pulmões. De 30 a 50% das pessoas que desenvolvem TVP podem passar a ter sintomas e invalidez no longo prazo.
Pesquisadores da Universidade de Oxford , da Imperial College e da Universidade de Sheffield colaboraram com a empresa de tecnologia ThinkSono (que é liderada por Fouad Al-Noor e Sven Mischkewitz), para treinar um algoritmo de IA de aprendizado de máquina (AutoDVT) para distinguir pacientes que tiveram TVP daqueles sem TVP. O algoritmo de IA diagnosticou com precisão a TVP, em comparação com o exame de ultrassom padrão ouro, e a equipe descobriu que o uso do algoritmo poderia potencialmente economizar 150 dólares por exame para o sistema de saúde.
"Tradicionalmente, os diagnósticos de TVP precisam de um exame de ultrassom especializado realizado por um radiologista treinado, e descobrimos que os dados preliminares utilizando o algoritmo de IA acoplado a um equipamento de ultrassom portátil mostram resultados promissores", disse o Dr. Nicola Curry , pesquisador do Departamento de Medicina Radcliffe da Universidade de Oxford e médico do Oxford University Hospitals NHS Foundation Trust.
Esse é o primeiro estudo a mostrar que os algoritmos de IA de aprendizado de máquina podem diagnosticar potencialmente a TVP, e os pesquisadores devem iniciar um estudo clínico cego de precisão de testes, comparando a precisão do AutoDVT com o tratamento padrão para determinar a sensibilidade de identificação de casos de TVP. A esperança é que o AutoDVT obtenha o diagnóstico correto de forma mais rápida para as quase oito milhões de pessoas em todo o mundo que potencialmente têm um coágulo sanguíneo venoso todos os anos.
"O algoritmo de IA não só pode ser treinado para analisar imagens de ultrassom para discriminar a presença em relação à ausência de um coágulo sanguíneo, mas também pode direcionar o usuário que esteja utilizando o bastão de ultrassom para os locais certos ao longo da veia femoral, para que até mesmo um usuário não especialista possa obter as imagens certas" , disse Christopher Deane , membro da equipe de estudo do Centro de Hemofilia e Trombose de Oxford .
A equipe de pesquisa espera que a combinação da ferramenta AutoDVT com a inclusão do algoritmo de IA permita que profissionais de saúde não especialistas, como clínicos gerais e profissionais de enfermagem, diagnostiquem e tratem rapidamente a TVP. Pode também permitir a coleta de imagens por não especialistas, que poderiam ser enviadas a um especialista, facilitando o diagnóstico de pessoas que não têm acesso a um especialista.
"Atualmente, muitos pacientes não têm um diagnóstico definitivo dentro de 24 horas de uma suspeita de TVP, e muitos pacientes acabam recebendo injeções dolorosas do que frequentemente pode ser um anticoagulante desnecessário, com potencial efeito colateral", disse o Dr. Curry, que também faz parte do Centro de Hematologia de Oxford .
Fouad Al Noor , CEO da ThinkSono, declarou: "Estamos muito satisfeitos com os resultados desse estudo e entusiasmados em trabalhar ainda mais com o Oxford University Hospital e outros hospitais parceiros para testar o software e oferecê-lo a pacientes do mundo todo."
Os resultados do estudo estão publicados na revista especializada npj Digital Medicine .
O site da ThinkSono pode ser acessado em:
www.thinksono.com
Entre em contato com a ThinkSono para mais informações: Fouad Al Noor , [email protected]
Observação: o artigo da pesquisa pode ser visualizado em: https://www.nature.com/articles/s41746-021-00503-7 com a DOI: https://doi.org/10.1038/s41746-021-00503-7
Foto - https://mma.prnewswire.com/media/1626577/ThinkSono.jpg
FONTE ThinkSono Ltd