Loading...

quantusOS

ANÁLISE E CLASSIFICAÇÃO DE RADIOGRAFIAS PARA A DETECÇÃO AUTOMÁTICA DE OSTEOPOROSE

A partir de uma radiografia da anca em vista AP (anteroposterior), sendo válida a vista da anca completa (dois fêmures) ou meia anca (um fêmur), é capaz de detectar o risco de osteoporose. A sua tecnologia baseia-se na análise quantitativa da textura dos fêmures.

Sistema de classificação aplicado no quantusOS

  • Classe 1: Risco muito baixo de osteoporose ou osteopenia (Sensibilidade > 99%)
  • Classe 2: Risco baixo de osteoporose ou osteopenia (Sensibilidade > 80%)
  • Classe 3: Risco intermediário de osteoporose e osteopenia
  • Classe 4: Risco alto de osteoporose ou osteopenia (Especificidade > 95%)
  • Classe 5: Risco muito alto de osteoporose ou osteopenia (Especificidade > 99%)

O sistema determina, a partir de vários limiares, cada um com valores de sensibilidade, especificidade e valores preditivos positivos e negativos que mostramos a seguir, a probabilidade de uma amostra ser positiva em função dos falsos positivos detectados na amostra de treinamento.

Por exemplo, uma imagem classificada como "Classe 5" é considerada positiva segura, dado que, com o limiar escolhido, o aparecimento de falsos positivos (amostras negativas que são classificadas como positivas) é de 2% (especificidade 98%), pelo que os positivos previstos pelo sistema serão verdadeiros positivos. Nesse caso, se tivermos que o número de falsos negativos (amostras positivas que são classificadas como negativas) é maior do que nas outras classes de menor malignidade (baixa sensibilidade).

Se uma imagem não for classificada como "Classe 5", o sistema passa a verificar se ela pertence a uma classe de menor malignidade, que seria a "Classe 4"

Uma amostra classificada como "Classe 4" é considerada como tendo alta probabilidade de malignidade, uma vez que, com o limiar escolhido, o aparecimento de falsos positivos (amostras negativas que são classificadas como positivas) é inferior a 10% (especificidade > 90%), pelo que a maioria dos positivos previstos pelo sistema serão verdadeiros positivos. Nesse caso, temos que o número de falsos negativos (amostras positivas que são classificadas como negativas) é maior do que em outras classes de menor malignidade, mas menor do que a "Classe 5", que é de maior malignidade (sensibilidade não tão baixa).

Se a imagem também não for classificada como "Classe 4", o processo é repetido para cada uma das classes de menor malignidade, até chegar à "Classe 1", que é considerada benigna.

A "Classe 1" é considerada benigna pelo mesmo argumento explicado para a "Classe 5", mas usando os valores de sensibilidade (98%) e valor preditivo negativo (especificidade mais baixa).

Portanto, o sistema determina a classe de maior malignidade à qual pertence a imagem a ser analisada e é essa que é indicada no relatório correspondente.

Tabela comparativa da confiabilidade do quantusOS por categoria

Classe 1 Classe 2 Classe 3 Classe 4 Classe 5
Sens / Spec Global * 98.9% / 20.4% 80.1% / 79.6% 49.4% / 95.4% 24.5% / 99.1%
Sens (Osteopenia vs Osteoporose) 100.0% / 98.15% 91.23% / 72.75% 71.23% / 35.10% 42.81% / 12.47%
VPP / VPN ** 89.2% / 73.3% 96.3% / 37.6% 98.6% / 22.1% 99.4% / 16.5%
* Sens: Sensibilidade Spec: Especificidade
** VPP: Valor preditivo positivo VPN: Valor preditivo negativo

Por que o quantusOS funciona?

O quantusOS apresenta-se como um método inovador de Inteligência Artificial baseado em Deep Learning de última geração, com três algoritmos de classificação distintos: divisão das imagens em fêmures simples, exclusão de fêmures com próteses e recorte das imagens pela parte superior do fêmur, com o objetivo de melhorar o treinamento do algoritmo de previsão.

Sua tecnologia se baseia na realização de uma análise quantitativa da radiografia. Essa análise permite identificar padrões, auxiliando assim na identificação automática da osteoporose.

quantusOS:



Não invasivo


Confiável


Rápido