O escafoide é um osso que faz parte do punho, sendo responsável por sua mobilização. As fraturas deste osso são a lesão mais comum no punho, mas como costumam ser pequenas, cerca de 20% dos casos não são visíveis na radiografia tradicional. A falta de tratamento adequado pode levar a um quadro de artrite do pulso, que costuma ser acompanhada por dor intensa.
Para ajudar a produzir diagnósticos mais precisos, pesquisadores da Universidade de Michigan, nos Estados Unidos, e do Centro para a Inteligência Artificial na Medicina, de Taiwan, desenvolveram um sistema capaz de identificar estas pequenas fraturas a partir de radiografias. O modelo é composto por duas redes convolucionais que trabalham de forma complementar. Baseando-se em 11838 radiografias do escafoide, a primeira rede neural foi treinada com o objetivo de identificar fraturas aparentes, atingindo sensibilidade de 87 e especificidade de 92%, com métrica AUC de 0.95. A segunda rede foi usada para examinar os casos identificados como negativos pela primeira, que também costumam ser ignoradas por radiologistas, atingindo sensibilidade de 79 e especificidade de 72%, com AUC de 0.81. Em conjunto, o sistema identificou 90% das fraturas que não haviam sido apontadas pelos técnicos.
A validação do método mostrou não somente que as redes convolucionais conseguem detectar fraturas em ossos pequenos, como demonstrado pela primeira rede, mas também que elas discriminam fraturas que passam despercebidas por especialistas, tarefa realizada pela segunda rede. Além disso, o modelo mostrou a localização das fraturas, não indicando apenas sua presença. O fato de as radiografias usadas serem provenientes de dois centros médicos em dois continentes aumenta a robustez dos resultados.
O trabalho conclui que a capacidade diagnóstica do novo método pode ajudar a resolver problemas médicos com alto impacto financeiro e na qualidade de vida, melhorando os cuidados associados ao tratamento de fraturas.
