Geração automática de laudos em exames de raios-x de torax com explicabilidade baseada em atenção aplicada a uma rede neural recorrente

Abstract

Problemas específicos relacionados à análise de exames radiológicos tˆem sido amplamente documentados por pelo menos 50 anos. Entre as principais circunstˆancias que levam a erros de diagnóstico, destacam-se avaliações realizadas por médicos em estágios iniciais de carreira,comunicação inadequada entre membros da equipe, jornadas noturnas, mudanças de turno e raciocínio falho.Neste sentido, o uso de inteligˆencia artificial como ferramenta para tomada de decisão e diagnóstico tem o potencial de auxiliar os profissionais de saúde a obter maior precisão e sensibilidade em suas análises, melhorando o tratamento dos pacientes. Nesse contexto,o objetivo deste trabalho é desenvolver uma arquitetura de modelo de inteligˆencia artificial do tipo encoder-decoder capaz de gerar automaticamente laudos médicos com informações específicas extraídas das imagens dos exames. A ideia é que essas informações nas imagens reflitam os aspectos que orientam as decisões e análises indicadas no texto do laudo, representando uma contribuição em relação às abordagens predominantes na literatura, que geralmente se limitam apenas ao texto em si.Com esse objetivo, foram utilizadas imagens de raio-X juntamente com seus respectivos laudos. Foi desenvolvida uma rede encoder baseada na arquitetura Densenet 121 para extrair características dos exames, que são posteriormente traduzidas por um decoder baseado em transformers, permitindo aprender as relações semˆanticas entre as palavras, juntamente com a técnica de long short term memory Long Short Term Memory (LSTM) para a geração dos laudos. Para relacionar as regiões das imagens com as palavras geradas, foi aplicada a técnic de spatial attention, que captura as regiões mais relevantes para a produção de palavras específicas pelo modelo. Esse processo foi aplicado em cinco condições: lung hypoinflation, lung hyperdistention, cardiomegaly, aorta tortuous e spine degenerative, resultando em cinco redes encoder-decoder. Durante o treinamento, foram obtidos valores de F1-score de 76%e área sob a curva (AUC) de 80% para o encoder. Os encoders foram avaliados utilizando validação cruzada para verificar sua capacidade de generalização em relação aos dados utilizados. Quanto ao decoder, na produção dos laudos, foram avaliados utilizando a métrica recall-oriented understudy for gisting evaluation (ROUGE), obtendo valores médios de 0.32.Conclui-se que a arquitetura proposta é capaz de gerar laudos e marcações nas imagens dos exames, podendo servir como suporte para tomadas de decisões médicas. No entanto,é importante ressaltar uma limitação deste trabalho, que está relacionada ao escopo das patologias abordadas. A rede desenvolvida demonstrou eficácia nas condições específicas para as quais foi treinada, ou seja, lung hypoinflation, lung hyperdistention, cardiomegaly, aorta tortuous, e spine degenerative. No entanto, é fundamental reconhecer que a aplicabilidade do modelo permanece restrita a essas condições e não se estende a uma variedade mais ampla de patologias médicas. Esta limitação deve ser cuidadosamente ponderada ao avaliar os resultados e ao considerar a aplicação do modelo em ambientes clínicos. Portanto, um dos principais objetivos em trabalhos futuros é a expansão do escopo das patologias abordadas, visando tornar o modelo mais abrangente e versátil em sua capacidade de auxiliar os profissionais de saúde em diagnósticos médicos diversos.