Um trabalho publicado por pesquisadores da Universidade de Boston, nos Estados Unidos levantou que 24% dos erros de diagnóstico que ocorrem em atendimentos de pronto-socorro se devem a interpretações erradas de raios-X na identificação de fraturas. Algumas causas para isso podem ser atribuídas à urgência com que o diagnóstico é solicitado, e ao fato de que os técnicos trabalham em horários incomuns, o que supostamente atrapalha sua capacidade de interpretação.
Para ajudar a melhorar este paradigma, os pesquisadores treinaram uma inteligência artificial na tarefa de identificar fraturas em imagens de raios-X. O sistema fez uso de uma biblioteca publicada pelo grupo de pesquisas do Facebook, chamada de Detectron2, que foi desenvolvida para comportar algoritmos de detecção e segmentação de imagens. No trabalho de Boston, foi utilizado um banco de dados contendo pelo menos 60 imagens de cada uma de 8 regiões do corpo, coletadas entre julho de 2020 e janeiro de 2021. Metade das imagens continham fraturas. Este banco de dados foi rotulado por dois radiologistas, sendo as discrepâncias resolvidas por um terceiro. O algoritmo foi treinado para identificar as imagens contendo fraturas e desenhar bounding boxes ao redor delas, para posterior análise de um especialista.
Na fase de avaliação do sistema, 24 leitores humanos, incluindo radiologistas, ortopedistas, médicos de emergência, assistentes médicos e reumatologistas, avaliaram um banco de dados de validação, com e sem a assistência da inteligência artificial. Nos cenários com o auxílio, o número de fraturas não reportadas diminuiu em 29%, a sensibilidade foi 10% maior, e a especificidade foi 5% melhor. A análise também foi cerca de 6 segundos mais rápida.
Os pesquisadores concluem que seu sistema apresenta uma melhora nas métricas de qualidade avaliadas, ao mesmo tempo que não impacta negativamente no tempo necessário para a produção do diagnóstico. Estes resultados devem ajudar a diminuir o desgaste de radiologistas e não-radiologistas atendendo emergências, principalmente quando em situações estressantes, ao mesmo tempo que melhora a experiência de atendimento dos pacientes.
