Colaboradores Institucionais: Michele A. de Paula, Assessora de Processos, Denis G. S. Dias, Analista de Qualidade, Daniellla Bahia, MD, PhD, Diretora Médica.
“Manter altos padrões de qualidade de imagem para garantir a excelência diagnóstica e aumentar a produtividade é uma obrigação para organizações de imagem ambulatorial como Fleury. O desenvolvimento baseado em IA, como o AIR™ Recon DL, ou simplesmente ARDL, está se tornando uma ferramenta inovadora em MRI e outras modalidades de imagem porque pode ajudar os radiologistas a melhorar a confiança no diagnóstico e aumentar significativamente a produtividade, sendo capaz de superar a experiência diária do paciente e os desafios de eficiência.”
Introdução
A inteligência artificial nos serviços de diagnóstico por imagem não pretende substituir o serviço do radiologista, mas sim criar ferramentas que possam ajudá-lo a ser mais eficiente e aumentar a confiança no diagnóstico ao laudo. Também pode ajudar a priorizar a tomada de decisões de emergência durante a rotina diária. Em grandes centros de diagnóstico como o Grupo Fleury, um dos principais desafios é manter altos padrões de diagnóstico por imagem em todas as imagens de RM e, ao mesmo tempo, aumentar o rendimento do paciente – em outras palavras, a produtividade geral.
Na imagem de RM, isso é desafiador devido aos longos tempos de aquisição, especialmente em protocolos de imagem avançados, como imagens de tumores. Isso pode levar a dificuldades logísticas e econômicas de saúde para os prestadores de cuidados de saúde.
Nas últimas duas décadas, a evolução de hardware e software de RM contribuiu para agilizar a aquisição de imagens, tornando o exame mais confortável para o paciente e agilizando a produção de exames e a produtividade geral do serviço de imagem. Para citar alguns: alta densidade de canais em tecnologia de bobina, aquisição paralela e métodos de detecção compactados tiveram um impacto significativo na velocidade e na qualidade da imagem.
Com o aumento do poder computacional, o processamento de dados tornou-se muito mais rápido nos últimos anos e os algoritmos de inteligência artificial tornaram-se uma aplicação realista no campo clínico. A quantificação precisa e a reconstrução da imagem estão recebendo cada vez mais atenção da indústria e dos radiologistas.
| MRI exam | tmean, pre (HH:MM:SS) | tmean, ARDL (HH:MM:SS) |
| Pies | 00:36:00 | 00:09:22 |
| Muslo | 00:38:00 | 00:11:00 |
| Piernas | 00:27:00 | 00:09:00 |
| Pelvis (masculina) | 00:41:00 | 00:14:00 |
| Abdomen (hígado) | 00:38:00 | 00:13:00 |
| Orbitas | 01:03:00 | 00:23:53 |
| Hombro | 00:21:00 | 00:08:00 |
| Tobillo | 00:28:00 | 00:11:00 |
| Abdomen (femenino) | 01:01:00 | 00:24:00 |
| Muñeca | 00:22:00 | 00:09:00 |
| Cadera | 00:26:00 | 00:11:00 |
| Mamas (implantes) | 00:34:00 | 00:14:30 |
| Codo | 00:21:00 | 00:09:00 |
| Abdomen (masculino) | 00:51:00 | 00:24:00 |
| Rodilla | 00:21:00 | 00:10:00 |
| Columna (Sacroiliaca) | 00:27:00 | 00:13:32 |
| Columna (Dorsal) | 00:24:00 | 00:12:35 |
| Enterografía por RM | 00:30:00 | 00:16:00 |
| Pelvis (femenina) | 00:26:00 | 00:14:00 |
| Columna (Cervical) | 00:20:00 | 00:11:15 |
| Mano | 00:28:00 | 00:16:00 |
| Canal Auditivo Interno (CAI) | 00:44:00 | 00:27:33 |
| Hueso Pélvico | 00:13:22 | 00:08:59 |
| Antebrazo | 00:15:00 | 00:11:00 |
| Columna (Lumbosacra) | 00:16:00 | 00:12:19 |
| Mamas | 00:25:00 | 00:19:30 |
| Art. Temporomandibular (TMJ) | 00:13:00 | 00:10:57 |
| Senos | 00:25:15 | 00:23:07 |
Tabla 1. Tempos médios de exames clínicos de rotina antes (tmean, pre) e depois (tmean, ARDL) da implementação de ARDL.
AIR™ Recon DL, ou simplesmente ARDL, é um algoritmo pioneiro de inteligência artificial (IA) que a GE HealthCare recentemente disponibilizou comercialmente para todo o seu portfólio de equipamentos de ressonância magnética. É um algoritmo pioneiro de reconstrução baseado em deep learning que melhora a SNR e a nitidez da imagem, removendo o ruído subjacente e os artefatos de Gibbs (efeitos de truncamento) no nível de dados brutos (espaço K). Isso permite tempos de aquisição mais curtos, com alta resolução espacial e maior relação sinal-ruído (SNR) simultaneamente. Melhora a qualidade da imagem em um nível fundamental, fazendo melhor uso dos dados brutos.
Em uma parceria clínica entre o Fleury e a GE HealthCare, implementamos ARDL em nossos protocolos de ressonância magnética de rotina. Neste relatório, gostaríamos de mostrar os resultados e avaliar os tempos de aquisição antes e depois da instalação do ARDL e, assim, demonstrar o impacto dessa nova tecnologia de IA em nossa rotina clínica.
Método
ARDL foi implementado em todas as sequências 2D em nossos protocolos de RM clínicos mais amplamente usados em 1.5T (SIGNA Artist, DV29.1, GE Healthcare, Milwaukee, USA™). Além disso, técnicas avançadas como HyperSense, Hyperband, HyperCube e AIR™Recon (já presentes no site) foram utilizadas em conjunto, quando apropriado.
O tempo médio de exame das rotinas clínicas selecionadas antes e depois da implementação do ARDL é representado por (tmean, pré) e (tmean, ARDL), respectivamente. Eles foram registrados e comparados entre si, avaliando-se as diferenças percentuais (% de redução).
Resultados
A implementação de ARDL permitiu uma redução de tempo de 48% nos horários atribuídos. O tempo médio de verificação caiu de 34 minutos para 15 minutos após 3 meses de implementação do ARDL. A redução percentual específica no tempo é resumida na Tabela 1.
Discussão
Este artigo demonstrou como ARDL pode ser vantajoso para quase todos os protocolos clínicos de RM. Em nosso contexto, reduzimos o tempo médio de exame em aprox. 50%, e esse resultado foi obtido selecionando os exames mais realizados nesse local específico. A redução no tempo de exame ARDL é mais perceptível em protocolos que são conduzidos por sequências 2D, como MSK, Coluna e Medicina Interna. Esperamos estender a implementação de ARDL a todos os exames com visitas de suporte no local contínuas de aplicativos clínicos.
Com a futura compatibilidade do ARDL com sequências de RM baseadas em 3D, também esperamos benefícios semelhantes em todos os protocolos volumétricos, como exames neurológicos.
É importante notar que ARDL foi usado em conjunto com técnicas de aceleração, como: imagem paralela (ASSET e ARC) e estratégias geométricas, como campo de visão (FOV) e fator No Phase Wrap (NPW). Também fomos capazes de oferecer padrões de qualidade de imagem mais altos, menos artefatos de imagem e melhor conforto para o paciente devido ao tempo de digitalização reduzido.
Outro ponto importante a ser observado é que o Net Promoter Score (NPS) geral, a avaliação interna do site que reflete quantitativamente a experiência e a satisfação do paciente por meio de uma pesquisa direcionada, pode ser significativamente aumentado. Normalmente, o principal fator que afeta esse NPS é a disponibilidade de um magneto de diâmetro grande. Agora, por meio do uso de ARDL e outras técnicas de aceleração inovadoras, menos atrasos na programação de RM contribuirão significativamente para a experiência do paciente durante o exame de RM no Fleury.
Principais pontos clínicos
• ARDL foi capaz de aumentar significativamente a produtividade na rotina clínica. A redução média no tempo do exame foi de 48%, levando a um tempo médio de exame ARDL de 15 min.
• A experiência geral do paciente aumentou devido a menos atrasos na programação da ressonância magnética.
• Os protocolos de RM foram muito afetados por sua otimização em termos de velocidade e qualidade de imagem que permitiu a inclusão de protocolos que antes eram realizados apenas em sistemas 3T (por exemplo, exame de ressonância magnética de superfície da próstata).
• A experiência do radiologista foi melhor com o ARDL, pois as imagens ficam menos ruidosas e mais nítidas, o que permite aumentar a confiança diagnóstica na leitura das imagens.
Referências
1. Lebel, R.M. Performance characterization of a novel deep learning-based MR image reconstruction pipeline. August 2020. http://arxiv.org/abs/2008.06559
2. Peters, RD, Harris, H, Lawson, S. The clinical benefits of AIRTM Recon DL for MR image reconstruction. https://www.gehealthcare.com.sg/-/jssmedia/files/m/mr_gbl_air_recon_dl_091720_jb00297xx.pdf?rev=-1