- em revisão -
Lumia Apoio a Diagnóstico está incorporada ao PACS Aurora como um agente integrador de algoritmos de Inteligência Artificial (IA)/Machine Learning voltados a diagnóstico médico.
Um dos maiores benefícios potenciais da IA para a saúde está na capacidade de gerar novos insights de diagnóstico a partir de análise da vasta quantidade de dados gerada diariamente durante a rotina de hospitais, clínicas e centros de radiologia.
Lumia pode ser compreendida a partir de duas principais abordagens:
Análise pré-radiológica
Garante a triagem da fila de trabalho e define prioridades a partir do estado do paciente.
Essa tecnologia resulta em melhoria do fluxo e otimização do trabalho nos centros de diagnóstico por imagem. Entre suas competências estão gerenciamento de fila, estudos comparativos, correlação com demais dados do paciente e análise de textos/edição de laudos.
Segmentação automática
Antecipa e complementa o trabalho do especialista. A segmentação automática faz uma análise quantitativa das imagens em busca de achados clínicos, deixando para o radiologista a análise qualitativa.
A segmentação automática de regime autônomo é capaz de fazer detecção, segmentação, classificação e rotulação de achados clínicos no exame. O deep learning funciona por meio de redes convolucionais, que extraem atributos para representar as imagens e classificá-las depois de segmentações, janelamentos e divisões nas imagens. Tudo isso com aprendizado constante a partir do feedback fornecido pelo médico especialista.
Disponível em nuvem e conectada ao PACS, Lumia pode varrer automaticamente os exames do banco de dados em busca de parâmetros predefinidos e posteriormente sinalizar qualquer informação clínica ou inferência diagnóstica dentro dos parâmetros solicitados.
Este modelo de inteligência artificial é constantemente aprimorado à medida que "aprende” por meio do feedback adicionado pelo médico responsável.
Ao executar análises quantitativas do volume de imagens em regime de 24 horas por dia e 7 dias por semana, Lumia pode rotular informações e definir prioridades na rotina do centro de saúde a partir dos resultados clínicos identificados na lista de pacientes.
.
.
Áreas de aplicação - algoritmos
Atualmente, com os algoritmos próprios da Pixeon, Lumia é capaz de analisar e evidenciar achados clínicos em quatro áreas distintas da radiologia: mamografia, raio-x de pulmão, cálculo de idade óssea e análise de sarcopenia.
Porém, como agente integrador de ferramentas/algoritmos de IA/Machine Learning, outras abordagens de análise estão sendo desenvolvidas juntamente a fornecedores terceirizados: triagem inteligente de pacientes com priorização de alta relevância; ressonância magnética e detecção de hemorragia intracraniana; identificação de traumas e fraturas e análise de raio-x musculoesquelético.
Clique nos links abaixo para conhecer os algoritmos que já estão em estágio avançado de “aprendizado”.
A análise de câncer de mama implica na inspeção de mamografias para detectar lesões e tumores.
As técnicas de inteligência artificial oferecem sistemas automáticos de segmentação de massa mamária a fim de auxiliar os radiologistas em seu diagnóstico.
Da mesma forma, podem ajudar na triagem sinalizando a prioridade no atendimento.
Os modelos computadorizados para segmentação de imagens médicas mostram evolução constante nas análises de mamografia executando tarefas de detecção de achados com posterior classificação de densidade e malignidade nas lesões (BiRads).
A pneumonia é uma infecção pulmonar responsável por mais de 600 mil internações por ano no Sistema Único de Saúde (SUS) brasileiro. O diagnóstico de pneumonia em uma radiografia de tórax envolve especialistas treinados e cruzamento de informações de histórico clínico, sinais vitais e exames laboratoriais.
Os algoritmos de machine learning detectam manchas de opacidade pulmonar (derrame pleural, cardiomegalia, edema pulmonar agudo, nódulos pulmonares) e as sinalizam em caixas para avaliação médica, especificando a localização e o tamanho de qualquer infecção detectada.
Isso traz produtividade para os médicos sobre as decisões de tratamento (pneumonia leve versus pneumonia severa, por exemplo) e também retroalimenta o sistema à medida que os médicos validam ou descartam o achado clínico sinalizado pelo computador.
.
Nesta ferramenta, um modelo de rede neural convolucional de deep learning é capaz de estimar a maturidade óssea de um indivíduo com precisão semelhante à de um radiologista especialista ou de modelos automatizados baseados em extração de características de última geração para avaliação da idade óssea.
A análise de idade óssea é especialmente relevante em áreas relacionadas a pediatria. Neste caso, o algoritmo de cálculo tem mais relevância como base de suporte ao diagnóstico do médico responsável, e pouca influência direta na produtividade clínica.
.
Classifica-se como sarcopenia a alteração da musculatura esquelética caracterizada pela redução da força e da massa muscular secundária ao envelhecimento, que compromete o desempenho físico do indivíduo.
Esta ferramenta sinaliza os achados clínicos e realiza uma medição automatizada da distribuição de gordura abdominal acompanhada de avaliação da massa muscular.
Esta IA é desenvolvida por um fornecedor Pixeon.
..
Entre em contato com a Pixeon
.Para ter mais informações sobre as licenças de Lumia Apoio a Diagnóstico, clique aqui.
___