Artificial intelligence to evaluate diagnosed COVID-19 chest radiographs

Autores

  • Bruno Takara Universidade Federal de Ciências da Saúde de Porto Alegre, Porto Alegre, Rio Grande do Sul, Brazil ,
  • Felipe Freitas ,
  • Alexandre Bacelar ,
  • Rochelle Lykawka ,
  • Mirko Salomon Alva Sanchez UFCSPA ,

DOI:

https://doi.org/10.15392/bjrs.v10i3.2056

Palavras-chave:

x-ray, Artificial inteligence, Radiography

Resumo

Apresentamos um algoritmo de Machine Learning baseado em Python que pode ser usado para auxiliar no diagnóstico do COVID-19. Esse algoritmo emprega Redes Neurais Convolucionais (CNN) da arquitetura ResNet-18 a partir de imagens de raios-X torácicos para construir um conjunto de dados treinado que permite comparações adicionais entre doenças pulmonares comuns e pacientes diagnosticados com COVID-19 para classificar os achados radiológicos como devidos à COVID-19 ou outras patologias. Discutimos a importância de definir os parâmetros corretos relacionados ao treinamento e o que eles podem representar nos procedimentos clínicos. Usamos um conjunto de dados contendo 942 radiografias marcadas com COVID-19 do HCPA - Hospital das Clínicas de Porto Alegre e comparamos com um conjunto de dados público do NIH Clinical Center contendo imagens de doenças pulmonares. Por fim, nosso modelo treinado apresentou acurácia de 81,76% para as classes desequilibradas e de 46,94% para as classes equilibradas, quando comparado a outras doenças pulmonares como pneumonia, edema, massa, consolidação e fibrose. Esses resultados revelam a dificuldade de diagnosticar o COVID-19 a partir de uma radiografia de tórax, pois se assemelha a outras doenças pulmonares e abre espaço para mais pesquisas nesse assunto.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

ELKINS A.; FREITAS F. F.; SANZ V. Developing an app to interpret chest X-rays to support the diagnosis of respiratory pathology with artificial intelligence. In: J Med Artif Intell, 2020.

CASCELLA M.; RAJNIK M.; ALEEM A. et al. Features, Evaluation, and Treatment of Coronavirus (COVID-19) [Updated 2021 Apr 20]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing, 2021. Available at: <https://www.ncbi.nlm.nih.gov/books/NBK554776/>. Last acessed 12 June 2021

WHO. WHO Coronavirus (COVID-19) Dashboard. Available at: <https://covid19.who.int>. Last acecessed 10 February 2022.

WANG D.; HU B.; HU, C.; ZHU, F.; LIU, X.; ZHANG, J. et al. Characteristics of 138 Hospitalized Patients With 2019 Novel Coronavirus Infected Pneumonia in Wuhan, China. In: JAMA, 2020.

HARMON S. A. ; SANFORD T. H. ; XU S. et al. Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets. In: Nat Commun 11, 4080, 2020.

WU J. ; WONG K. ; GUR Y. et al. Comparison of Chest Radiograph Interpretations by Artificial Intelligence Algorithm vs Radiology Residents. In: JAMA Netw Open, 2020.

ELLAHHAM S. Artificial intelligence in the diagnosis and management of COVID-19: a narrative review. In: J Med Artif Intell, 2021.

ZHU J.; SHEN B. ; ABBASI A. ; HOSHMAND-KOCHI M. ; LI H. ; DUONG T. Q. Deep transfer learning artificial intelligence accurately stages COVID-19 lung disease severity on portable chest radiographs. In: PLoS ONE, 2020.

WEHBE R. M. ; SHENG J. ; DUTTA S. ; CHAI S. ; DRAVID A. ; BARUTCU S. ; WU Y. ; CANTRELL D. R. ; XIAO N. ; ALLEN B. D. ; MACNEALY G. A. ; SAVAS H. ; AGRAWAL R. ; PAREKH N. ; KATSAGGELOS A. K. DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set. In: Radiology, vol. 299:1, pp. E167-E176, 2021.

LOPEZ-CABRERA J. D. ; OROZCO-MORALES R. ; PORTAL-DIAZ J. A. et al. Current limitations to identify COVID-19 using artificial intelligence with chest X-ray imaging. In: Health Technol. vol. 11, pp. 411–424, 2021.

JIAO Z. ; CHOI J. W. ; HALSEY K. ; TRAN T. M. L. ; HSIEH B. ; WANG D. ; EWEJE F.; WANG R. ; CHANG K. ; WU J. ; COLLINS S. A.; YI T. Y. ; DELWORTH A. T. ; LIU T. ; HEALEY T. T.; LU S.; WANG J. ; FENG X.; ATALAY M. K. et al. Prognostication of patients with COVID-19 using artificial intelligence based on chest x-rays and clinical data: a retrospective study. In: The Lancet Digital Health, vol. 3 pp. E286-E294, 2021.

SUMMERS R. M. Artificial Intelligence of COVID-19 Imaging: A Hammer in Search of a Nail. In: Radiology, vol. 298(3), pp. E162-E164, 2021.

GitHub code repository. Available at :<https://github.com/BYTakara/covid_model>. Last accessed 8 February 2022.

NIHCC - CXR8 Data Set. Available at:<https://nihcc.app.box.com/v/ChestXray-NIHCC>. Last accessed 20 June 2021

ABELAIRA M. D. C.; ABELAIRA F. C. ; RUANO-RAVINA A. ; FERNANDEZ-VILLAR A. Use of Conventional Chest Imaging and Artificial Intelligence in COVID-19 Infection. A Review of the Literature. In: Open Respiratory Archives, vol. 3, 2021.

Downloads

Publicado

18-09-2022

Edição

v. 10 n. 3 (2022)

Seção

Artigos

Licença

Direitos autorais (c) 2022 Brazilian Journal of Radiation Sciences

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Declaro que o presente artigo é original, não tendo sido submetido à publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou em sua totalidade. Declaro, ainda, que uma vez publicado na revista Brazilian Journal of Radiation Sciences, editada pela Sociedade Brasileira de Proteção Radiológica, o mesmo jamais será submetido por mim ou por qualquer um dos demais co-autores a qualquer outro periódico. Através deste instrumento, em meu nome e em nome dos demais co-autores, porventura existentes, cedo os direitos autorais do referido artigo à Sociedade Brasileira de Proteção Radiológica, que está autorizada a publicá-lo em meio impresso, digital, ou outro existente, sem retribuição financeira para os autores.

Licença
Os artigos do BJRS são licenciados sob uma Creative Commons Atribuição 4.0 Licença Internacional, que permite o uso, compartilhamento, adaptação, distribuição e reprodução em qualquer meio ou formato, desde que você dê o devido crédito ao (s) autor (es) original (is) e à fonte, forneça um link para a licença Creative Commons, e indique se mudanças foram feitas. As imagens ou outro material de terceiros neste artigo estão incluídos na licença Creative Commons do artigo, a menos que indicado de outra forma em uma linha de crédito para o material. Se o material não estiver incluído no licença Creative Commons do artigo e seu uso pretendido não é permitido por regulamentação legal ou excede o uso permitido, você precisará obter permissão diretamente do detentor dos direitos autorais. Para visualizar uma cópia desta licença, visite http://creativecommons.org/licenses/by/4.0/

Como Citar

Artificial intelligence to evaluate diagnosed COVID-19 chest radiographs. Brazilian Journal of Radiation Sciences, Rio de Janeiro, Brazil, v. 10, n. 3, 2022. DOI: 10.15392/bjrs.v10i3.2056. Disponível em: https://bjrs.org.br/revista/index.php/REVISTA/article/view/2056. Acesso em: 17 jul. 2025.