sábado 2 marzo, 2024
suscribete al newsletter

O impacto da reconstrução AIR™ Recon DL baseada em inteligência artificial na rotina clínica de ressonância magnética

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 examtmean, pre
(HH:MM:SS)
tmean, ARDL
(HH:MM:SS)
Pies00:36:0000:09:22
Muslo00:38:0000:11:00
Piernas00:27:0000:09:00
Pelvis (masculina)00:41:0000:14:00
Abdomen (hígado)00:38:0000:13:00
Orbitas01:03:0000:23:53
Hombro00:21:0000:08:00
Tobillo00:28:0000:11:00
Abdomen (femenino)01:01:0000:24:00
Muñeca00:22:0000:09:00
Cadera00:26:0000:11:00
Mamas (implantes)00:34:0000:14:30
Codo00:21:0000:09:00
Abdomen (masculino)00:51:0000:24:00
Rodilla00:21:0000:10:00
Columna (Sacroiliaca)00:27:0000:13:32
Columna (Dorsal)00:24:0000:12:35
Enterografía por RM00:30:0000:16:00
Pelvis (femenina)00:26:0000:14:00
Columna (Cervical)00:20:0000:11:15
Mano00:28:0000:16:00
Canal Auditivo Interno (CAI)00:44:0000:27:33
Hueso Pélvico00:13:2200:08:59
Antebrazo00:15:0000:11:00
Columna (Lumbosacra)00:16:0000:12:19
Mamas00:25:0000:19:30
Art. Temporomandibular (TMJ)00:13:0000:10:57
Senos00:25:1500:23:07

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).

Grafico 1. Redução percentual nos tempos de exame utilizando ARDL e técnicas otimizadas com técnicas Hyperworks.
Grafico 1. Redução percentual nos tempos de exame utilizando ARDL e técnicas otimizadas com técnicas Hyperworks.

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

Artículos relacionados

Analytics en la Gestión de riesgo del abastecimiento en Salud

En Salud es clave contar con los insumos y medicamentos necesarios en tiempo y forma para asistir a los pacientes.  En este sentido, la...

ChatGPT aprueba el examen de radiología

La última versión de ChatGPT fue sometida a un examen de radiología, revelando tanto su potencial como sus limitaciones en términos de confiabilidad, según...

GE HealthCare, una empresa 100% dedicada a la salud

Pablo Serrao es el Country Manager de GE HealthCare en Argentina. Tiene una experiencia de casi 13 años en la compañía y más de...

Grupo Fleury leva RM para todos no Brasil

Como um dos principais centros de saúde no Brasil, o Grupo Fleury tem investido em sistemas e soluções para imagem, laboratório, oftalmologia, medicina reprodutiva...

Seguinos

2,319FansMe gusta
0SeguidoresSeguir
1,324SeguidoresSeguir

MÁS LEIDOS