Visão computacional, ou o método de dar às máquinas a capacidade de processar imagens de forma avançada, tem recebido atenção crescente dos pesquisadores nos últimos anos. É um termo amplo que abrange todos os meios pelos quais as imagens podem ser usadas para atingir objetivos médicos. As aplicações vão desde a digitalização automática de fotos tiradas em telefones celulares até a criação de renderizações 3-D que auxiliam nas avaliações dos pacientes, até o desenvolvimento de modelos algorítmicos para uso em salas de emergência em áreas mal atendidas.

Como o acesso a um maior número de imagens pode fornecer aos pesquisadores um volume de dados ideal para o desenvolvimento de algoritmos melhores e mais robustos, uma coleção de recursos visuais que foram aprimorados, ou apagados dos detalhes de identificação dos pacientes e, em seguida, destacados nas áreas críticas, pode ter enorme potencial para pesquisadores e radiologistas que contam com dados fotográficos em seu trabalho.

Semana Anterior, o Laboratório de Fisiologia Computacional do MIT, uma parte do Instituto de Engenharia Médica e Ciência (IMES) liderada pelo Professor Roger Mark, lançou uma prévia de seu Banco de Dados de Raios-X MIMIC-Chest (MIMIC-CXR), um repositório de mais de 350, 000 radiografias detalhadas do tórax coletadas ao longo de cinco anos no Beth Israel Deaconess Medical Center em Boston. O projeto, como o MIMIC-III anterior do laboratório, que hospeda dados de pacientes de cuidados intensivos de mais de 40, 000 estadias na unidade de terapia intensiva, é gratuito e aberto para acadêmicos, clínico, e investigadores industriais através do recurso de pesquisa PhysioNet. Ele representa a maior seleção de radiografias de tórax disponíveis ao público até o momento.

Com acesso ao MIMIC-CXR, financiado pela Philips Research, usuários registrados e seus coortes podem desenvolver mais facilmente algoritmos para quatorze das descobertas mais comuns de uma radiografia de tórax, incluindo pneumonia, cardiomegalia (coração dilatado), edema (excesso de fluido), e um pulmão perfurado. Por meio de vincular marcadores visuais a diagnósticos específicos, máquinas podem ajudar prontamente os médicos a tirar conclusões mais precisas com mais rapidez e, portanto, lidar com mais casos em menos tempo. Esses algoritmos podem ser especialmente benéficos para médicos que trabalham em hospitais com poucos recursos e pessoal.

“As áreas rurais normalmente não têm radiologistas, "diz o cientista pesquisador Alistair E. W. Johnson, co-desenvolvedor do banco de dados junto com Tom J. Pollard, Nathaniel R. Greenbaum, e Matthew P. Lungren; Seth J. Berkowitz, diretor de inovação em radiologia informática; Chih-ying Deng, da Harvard Medical School; e Steven Horng, diretor associado de informática em medicina de emergência no Beth Israel. "Se você tem uma sala cheia de pacientes doentes e não tem tempo para consultar um radiologista especialista, é um lugar onde um modelo pode ajudar. "

No futuro, o laboratório espera ligar o arquivo de raios-X ao MIMIC-III, formando assim um banco de dados que inclui dados e imagens de pacientes na UTI. Existem atualmente mais de 9, 000 usuários registrados do MIMIC-III acessando dados de cuidados intensivos, e o MIMIC-CXR seria uma benção para aqueles que trabalham na medicina intensiva e buscam complementar os dados clínicos com imagens.

Outro trunfo do banco de dados está em seu tempo. Pesquisadores do Stanford Machine Learning Group e do Stanford Center for Artificial Intelligence in Medicine and Imaging lançaram um conjunto de dados semelhante em janeiro, coletados ao longo de 15 anos no Stanford Hospital. Os grupos do Laboratório de Fisiologia Computacional do MIT e da Universidade de Stanford colaboraram para garantir que ambos os conjuntos de dados liberados pudessem ser usados ​​com o mínimo de trabalho braçal para o pesquisador interessado.

"Com estudos de centro único, você nunca tem certeza se o que você descobriu é verdade para todos, ou uma consequência do tipo de pacientes que o hospital atende, ou a forma como cuida dele, "Diz Johnson." É por isso que os testes multicêntricos são tão poderosos. Trabalhando com Stanford, essencialmente capacitamos pesquisadores em todo o mundo para executar seus próprios testes multicêntricos sem ter que gastar os milhões de dólares que normalmente custam. "

Tal como acontece com o MIMIC-III, os pesquisadores serão capazes de obter acesso ao MIMIC-CXR, primeiro concluindo um curso de treinamento em gerenciamento de seres humanos e, em seguida, concordando em citar o conjunto de dados em seu trabalho publicado.

"A próxima etapa são os relatórios de texto livre, "diz Johnson." Estamos avançando mais para ter uma história completa. Quando um radiologista está fazendo uma radiografia de tórax, eles sabem quem é a pessoa e por que está lá. Se quisermos tornar a vida dos radiologistas mais fácil, os modelos precisam saber quem é a pessoa, também."

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.