Acurácia do raio-x de tórax na detecção de broncopatia
Carregando...
Data
2020
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editora
Wagner Wessfll
Editor Literário
Resumo
Introdução: Broncopatia é definida por uma ampla entidade de doenças
que determinam espessamento patológico das paredes brônquicas. Objetivos:
Definir a acurácia da radiografia (RX) de tórax em detectar broncopatias através
de método específico manual e por meio de Inteligência artificial (IA),
comparativamente à tomografia computadorizada - TCAR (Padrão-ouro)
Material e Métodos: Trata-se de estudo retrospectivo, de casos e controles, em
que foram analisados 124 pacientes submetidos a exames de imagem em centro
de referência no ano de 2015-2018. As imagens de TCAR e RX de tórax foram
revisadas separadamente e em ordem aleatória por três médicos com diferentes
tempos de experiência em radiologia e também pelo software de IA qXR v2.0
(qure.ai) -software de aprendizado profundo- afim de determinar a acurácia do
RX no estabelecimento de espessamento de paredes brônquicas,
comparativamente ao padrão-ouro (TCAR). Resultados: O Rx de tórax
apresentou uma sensibilidade variando de 72,5 a 86,67%, especificidade de
80,05 a 96,88 % e acurácia de 74,59% a 89,34 %, tomando-se como padrão ouro
a TCAR. O índice de concordância Kappa entre os dois exames por cada
observador foi de 0,455 a 0,756, respectivamente, pelo avaliador menos
experiente e o mais experiente, sendo considerada concordância entre os
métodos por cada avaliador de moderada a substancial. A acurácia na detecção
de broncopatia pela IA foi mais baixa do que a dos demais radiologistas, além de uma sensibilidade mais baixa que a detectadas pelos
demais médicos.
Conclusão: O RX de tórax apresenta boa acurácia diagnóstica na
detecção de broncopatia quando comparado com o exame de TCAR (padrão-ouro), no entanto quando feito a avaliação pela IA, a radiografia não apresentou
a acurácia esperada.
Descrição
Dissertação (Mestrado)-Programa de Pós-Graduação em Patologia, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
Palavras-chave
Radiologia, Broncopatia, Tomografia Computadorizada por Raios X, Inteligência Artificial, [en] Radiology, [en] Tomography, X-Ray Computed, [en] Artificial Intelligence