Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais

Abstract

A osteoporose é sinônimo de fragilidade óssea, e é uma doença silenciosa que muitas vezes só é detectada após já ter causado danos à pessoa que a possui. Essa doença de fragilidade óssea torna a fratura mais comum e mais danosa aos seus portadores, e por isso é uma questão de saúde pública. Identificar a doença em estágio inicial é essencial para ajudar a evitar seus danos, e nessa tarefa a inteligência artificial e o aprendizado de máquina têm demonstrado grande ajuda nos últimos anos. Os algoritmos de aprendizado de máquina podem prever o risco de osteoporose analisando as imagens do paciente provenientes de exames de rotina, como radiografias panorâmicas, que são exames frequentemente solicitados em Odontologia. A metodologia proposta conta com um processo de dois passos, que é composto por preprocessamento de imagens e aprendizado de máquina. O preprocessamento de imagens consistiu em transformar as imagens panorâmicas dentais originais em regiões de interesse reduzidas, mais específicas para a classificação. A etapa de aprendizado de máquina consistiu em fornecer essas imagens preprocessadas para algoritmos computacionais as classificarem. Este trabalho propõe uma arquitetura de Rede Neural Convolucional (CNN), comparada com Support Vector Machine (SVM) e Random Forest (RF), que visa identificar sinais de osteoporose nesse tipo de imagem, com objetivo de melhorar os resultados de uma técnica de referência, a CNN do artigo [1], ao utilizar a estrutra CNN modificada para realizar uma detecção semi-automática de osteoporose com alta sensibilidade e utilizar o método RF para complementá-la com uma técnica com especificidade alta. Na sensibilidade, a CNN customizada proposta obteve 77,19%, enquanto que a CNN de referência obteve 70,18%. Na especificidade, a Random Forest proposta obteve 75,95%, enquanto que a CNN de referência obteve 22,78%. Combinando esses resultados, conseguimos melhorar o que é obtido pela técnica de referência para o conjunto de dados apresentado, que é bastante desafiador, de pacientes idosos de comunidades carentes, em imagens analógicas com diversos artefatos e características que dificultam a classificação. O presente estudo pode ser um importante passo inicial para desenvolver uma forma de classificação semi-automática da osteoporose em exames de rotina de forma oportunística.