AVALIAÇÃO DE DESVIOS ESCOLIÓTICOS COM A UTILIZAÇÃO DE INTELIGÊNCIA ARTIFICIAL

Introdução: A Inteligência Artificial (IA), têm dominado o século XXI e sua grandeza tem revolucionado o âmbito computacional, aperfeiçoando a aprendizagem das máquinas de forma célere, devido a uma maior rapidez de aprendizado nas tomadas de decisões iniciada já na programação. O uso da IA tem multiplicado o conhecimento na ciência, indústria, comércio, serviços e principalmente na área da saúde, a qual tem beneficiado suas intervenções de forma precisa e eficaz. Desta forma, pensou-se na seguinte questão problema: é possível desenvolver e validar uma Rede Neural Convolucional (CNN), capaz de identificar com eficiência, desvios escolióticos patológicos na coluna lombar? Objetivo: criar, desenvolver e validar um algoritmo inteligente, destinado à avaliação de desvios posturais da coluna lombar, por meio de uma CNN. Métodos: pesquisa descritiva de caráter pré-diagnóstico e métodos de IA aplicados, utilizando códigos em linguagem Python®, bem como, bibliotecas suplementares para a geração da CNN que foi arquitetada com 3 cenários. No primeiro cenário a codificação de programação partiu da modelo referência, sofrendo incrementos para a extração de novas imagens de Raio X (RX). No segundo cenário, pôde-se aprofundar os números de conexões inter e intra camadas da CNN e por fim o terceiro cenário, refere-se à incrementação de duas camadas de transposição de matrizes com a finalidade de melhorar a performance de identificação de existência de desvio patológicos da coluna lombar. Inicialmente obteve-se 2897 imagens cedidas e de banco de imagens, integralizando ao final 579400 diferentes imagens. As etapas para a estruturação da CNN, compreendem além da consolidação da base de dados, as fases de treinamento e teste do algoritmo. Resultados: Os diferentes cenários geraram, inicialmente, cerca de 260 milhões parâmetros e com a otimização da CNN o cenário 3 atingiu melhor performance 1,8 milhões de parâmetros. As métricas finais da CNN, apresentaram acurácia de 96%; precisão de 98%; sensibilidade de 91%; a especificidade 99%. Adicionalmente foram obtidos os índices FMI=0,934; MCC=0,894 e IY=0,877, que garantem maior robustez na eficiência da CNN na identificação de desvios patológicos da coluna lombar. Conclusão: A CNN desenvolvida e validada corroborou a hipótese proposta mostrando elevada confiabilidade no diagnóstico de desvios lombares escolióticos. O presente algoritmo provavelmente apresenta um grande potencial de aplicação nas práticas circunscritas às ciências do movimento humano.