Algoritmos de aprendizado profundo para detecção de osteoporose em imagens odontológicas

Abstract

O estabelecimento de diagnósticos médicos precoces é de grande importância para melhor tratamento de diversas doenças. Em sua grande maioria, esses diagnósticos requerem um especialista. Com o intuito de evitar imprecisões, especialistas recorrem a múltiplos exames para confirmação de doenças, o que demanda tempo e recursos. Dentre diversas doenças, um grave problema de saúde pública é a osteoporose. A osteoporose atua diminuindo a resistência óssea, predispondo o indivíduo a uma maior chance de fratura por trauma. Sendo assintomática, a osteoporose é frequentemente detectada apenas quando ocorre uma fratura, sendo assim, é importante a sua detecção precoce. Recentemente, foi encontrada alta concordância entre a análise da integridade da cortical mandibular avaliada por radiologistas experientes e maxilo-faciais e a análise de panorâmicas odontológicas efetuada por algoritmos de aprendizado de máquina. Os avanços tecnológicos nos permitem estabelecer métodos melhores de diagnósticos todos os dias, como trataremos especificamente, com inteligência artificial. O uso de algoritmos de aprendizado de máquinas (machine learning) se apresenta como uma ferramenta que pode auxiliar profissionais de saúde na tomada de decisões em situações clínicas complexas, poupando tempo e outros recursos. Neste trabalho, foram explorados três modelos de redes neurais convolucionais (VGG16, ResNet50 e Xception) com diferentes camadas de profundidades e configurações de hiperparâmetros. Com a expectativa de produzir um classificador para detecção de osteoporose em panorâmicas odontológicas, foram utilizados dois conjuntos de dados fornecidos pelo Hospital Universitário de Brasília (HUB). O primeiro composto por 340 imagens panorâmicas odontológicas completas e o segundo composto por 712 imagens com regiões de interesse dessas panorâmicas. Os treinamentos das redes foram realizados em duas etapas, feature extraction e fine-tuning. Foram testadas diferentes opções de descongelamento das redes (unfreezing), tempos de treinamento e quantidades de camadas densas. Ao final do projeto, foi possível obter um modelo detector de osteoporose para radiografias panorâmicas odontológicas maxilo-faciais com acurácia de 88.7%. De tal maneira, reafirmando que o uso de inteligência artificial como ferramenta de uso médico é viável.