Dissertação
Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
Radiographic diagnosis of childhood pneumonia: a study using mobile eye tracking and artificial intelligence techniques
Registro en:
BINATO, Henrique Amaral. Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial. 2018. 80 f. Mestrado (Mestrado em Ciências da Saúde) - Universidade Federal de Viçosa, Viçosa. 2018.
Autor
Binato, Henrique Amaral
Institución
Resumen
As pneumonias são uma das principais causas de morbidade e mortalidade em crianças, especialmente em países em desenvolvimento. Não é incomum que um diagnóstico tardio possa revelar um desfecho trágico. Sinais e sintomas não são sempre suficientes para o diagnóstico correto, portanto, a radiografia de tórax se torna uma ferramenta fundamental em todo o processo. No entanto, não existe um modelo padronizado para análise de radiografias de tórax em crianças, o que pode levar a múltiplas interpretações da mesma imagem, portanto, um possível erro na prescrição de medicamentos antimicrobianos. Este estudo observacional teve como objetivo rastrear os movimentos oculares e o comportamento pupilar de um radiologista e cinco estudantes de medicina que não tinham treinamento em radiologia e comparar os dois grupos. Para a tarefa de rastreamento ocular foi utilizado um dispositivo de rastreamento ocular móvel colocado em todos os participantes que analisaram 12 radiografias previamente selecionadas contendo ou sem características radiográficas compatíveis com pneumonia adquirida na comunidade em crianças entre zero e doze anos de idade. Para a análise foram utilizadas técnicas de inteligência artificial contidas na plataforma WEKA ® . Os resultados mostram que o comportamento pupilar foi significativo na tomada de decisão diagnóstica e, quando a radiografia estava normal, o padrão de movimento ocular também era estatisticamente significativo. Os algoritmos mostraram uma taxa muito boa em precisão e sensibilidade em dados de aprendizagem, com vista ao diagnóstico correto de pneumonia em crianças. Pneumonia are a major cause of morbidity and mortality in children, specially in developing countries. It is not uncommom that late ou wrong diangosis may reveal a tragic outcome. Signs and symptons are not enough to correctly diagnosis, thus the chest radiography becomes a fundamental tool all over the process. However, there is not a standartized model for analysing chest x-rays in children, what may lead to multiple interpretations of the same image, therefore a possible error in prescribing antimicrobial medications. This observational study aimed to track the ocular movements and pupilar behavior of one radiologist and five medical students, wich had no training in radiology and compare both groups. For the eye tracking task was used a mobile eye tracking device placed in all participants who analysed twelve previously selected x-rays containing or nor radiographic features compatible with community- acquired pneumonia in children between zero and twelve-year-old. For the analysis were used artificial intelligence techniques contained at the WEKA ® . The results show that the pupillary behavior was significant in the diagnostic decision making and, when the radiography was normal, the pattern of ocular movement was also statistically significant. The algorithms showed very good rate in accuracy and sensitivity in learning data with a view to the correct diagnosis of pneumonia in children.