Validação comparativa de IA e não

Scientific Reports volume 13, Número do artigo: 3439 (2023) Cite este artigo

1082 Acessos

12 Altmétrica

Detalhes das métricas

Uma correção do editor para este artigo foi publicada em 03 de maio de 2023

Este artigo foi atualizado

Segmentação automatizada e volumetria de imagens de ressonância magnética cerebral (MRI) são essenciais para o diagnóstico da doença de Parkinson (DP) e das síndromes de Parkinson plus (P-plus). Para melhorar o desempenho do diagnóstico, adotamos modelos de aprendizado profundo (DL) na segmentação de ressonância magnética do cérebro e comparamos seu desempenho com o método não DL padrão-ouro. Coletamos exames de ressonância magnética cerebral de controles saudáveis ​​(\(n=105\)) e pacientes com DP (\(n=105\)), atrofia sistêmica múltipla (\(n=132\)) e paralisia supranuclear progressiva (\ (n=69\)) no Samsung Medical Center de janeiro de 2017 a dezembro de 2020. Usando o modelo padrão-ouro não DL, FreeSurfer (FS), segmentamos seis estruturas cerebrais: mesencéfalo, ponte, caudado, putâmen, pálido e terceiro ventrículo e os considerou como dados anotados para modelos DL, a rede neural convolucional representativa (CNN) e os modelos baseados em transformador de visão (ViT). Pontuações de dados e a área sob a curva (AUC) para diferenciar casos normais, PD e P-plus foram calculadas para determinar a medida em que o desempenho do FS pode ser reproduzido como está, enquanto aumenta a velocidade pelas abordagens DL. Os tempos de segmentação de CNN e ViT para as seis estruturas cerebrais por paciente foram 51,26 ± 2,50 e 1101,82 ± 22,31 s, respectivamente, sendo 14 a 300 vezes mais rápido que FS (15.735 ± 1,07 s). Os escores de dados de ambos os modelos DL foram suficientemente altos (> 0,85), de modo que suas AUCs para classificação da doença não foram inferiores às do FS. Para classificação de normal vs. P-plus e PD vs. P-plus (exceto atrofia sistêmica múltipla - tipo parkinsoniano) com base em todas as partes do cérebro, os modelos DL e FS apresentaram AUCs acima de 0,8, demonstrando o valor clínico dos modelos DL em adição para FS. O DL reduz significativamente o tempo de análise sem comprometer o desempenho da segmentação cerebral e do diagnóstico diferencial. Nossas descobertas podem contribuir para a adoção da segmentação de ressonância magnética cerebral DL em ambientes clínicos e avançar na pesquisa do cérebro.

O diagnóstico da doença de Parkinson (DP) é baseado principalmente na apresentação clínica. No entanto, para sintomas atípicos chamados de bandeiras vermelhas1, a ressonância magnética cerebral (MRI) é essencial para o diagnóstico de síndromes de Parkinson-plus (P-plus), como atrofia de múltiplos sistemas (MSA) e paralisia supranuclear progressiva (PSP). A ressonância magnética melhora a precisão diagnóstica e pode ser usada para monitorar a progressão da doença2. A ressonância magnética cerebral pode revelar vários recursos que aparecem no P-plus, mas não no PD2,3,4. Por exemplo, pacientes com PSP apresentam atrofia acentuada do mesencéfalo5, conhecida como sinal do beija-flor. No tipo MSA-Parkinsoniano (MSA-P), o putâmen é atrófico, com borda lateral achatada, e apresenta hiposinal nas imagens gradiente-eco ponderadas em T1. Pacientes com tipo MSA-cerebelar (MSA-C) apresentam atrofia predominante na ponte e nos pedúnculos cerebelares médios, resultando em aumento da relação mesencéfalo-ponte6 e diminuição do índice de parkinsonismo por ressonância magnética7. Assim, medidas quantitativas do volume dessas estruturas cerebrais também foram avaliadas, mostrando alta sensibilidade e especificidade na diferenciação de DP de P-plus8.

Embora a sensibilidade e a especificidade diagnósticas obtidas pela avaliação da área do mesencéfalo sejam geralmente altas para diferenciar entre PSP, MSA e PD9, a avaliação visual dessa área não é quantitativa, carece de objetividade e depende muito das habilidades do médico ou da aquisição de imagens. Consequentemente, os diagnósticos baseados em avaliações visuais têm mostrado um amplo espectro de acurácia, mesmo ficando abaixo de 80%10,11,12. Para desenvolver uma análise consistente e quantitativa da ressonância magnética do cérebro, a volumetria da área do mesencéfalo tem sido usada como um preditor ideal para um diagnóstico preciso6,8,13,14. Assim, a segmentação de imagens cerebrais tornou-se um estágio importante na maioria das análises downstream baseadas em modelos de previsão ou métodos automatizados de aprendizado de máquina (ML) para volumetria e diagnóstico.