Análise de posicionamento utilizando tecnologia de IA

• * Este artigo baseia-se na entrevista com o Sr. Junya Morita, que é um desenvolvedor de Positioning Analysis (Análise de Posicionamento).
• * A Positioning Analysis é opcional para a Mamografia Digital da Fujifilm, AMULET SOPHINITY

Estou envolvido no desenvolvimento do processamento de imagens para mamografia há aproximadamente 17 anos. Durante esse período, tive a oportunidade de trabalhar com médicos na avaliação de imagens e aprendi que a qualidade do posicionamento pode afetar a qualidade das imagens, o que causa um impacto significativo na detecção de lesões.
O design e o processamento de imagens também são fatores importantes para melhorar a qualidade do diagnóstico.

Entretanto, uma imagem obtida com um posicionamento de má qualidade dificulta a detecção de lesões, não importa o quanto tentemos aprimorar a imagem. Portanto, acreditamos que a maior contribuição para a precisão diagnóstica advém do suporte ao aprimoramento das técnicas de posicionamento, garantindo imagens de alta qualidade.
Entretanto, a validação das imagens fundamenta-se em amostras coletadas em escala global e nacional.

Aprendemos que o tamanho da mama e o volume da glândula mamária variam significativamente entre indivíduos e raças, e que os critérios de posicionamento variam amplamente entre países e instituições. Isso nos levou a reconhecer a necessidade de um índice objetivo para avaliar a qualidade do posicionamento, e começamos a buscar uma solução.

Ao estabelecer índices para avaliar o posicionamento, os pontos fracos e hábitos dos tecnólogos podem ser identificados para ajudá-los a melhorar suas técnicas de posicionamento.

Com a avaliação quantitativa, eles conseguirão entender claramente os aspectos que não perceberiam na avaliação subjetiva de imagens individuais.
Os dados numéricos podem ser acumulados estatisticamente e os resultados da análise podem ser utilizados para aprimorar ainda mais as técnicas de posicionamento.

Para quantificar os itens de posicionamento a partir de imagens de mamografia, considerei necessário garantir um reconhecimento altamente preciso da estrutura mamária para a análise da imagem.
Em particular, um grande desafio no desenvolvimento foi a configuração dos parâmetros usados para identificar mamilos, músculo peitoral maior, etc. para a avaliação do posicionamento.

Embora uma técnica de IA chamada “aprendizagem profunda” tenha sido introduzida para determinar a estrutura da mama, não foi fácil acomodar vários formatos de mama e diferenças na forma como as imagens estavam sendo tiradas, devido a diferenças nas instalações e nas pacientes.
Por exemplo, o mamilo é uma área que frequentemente não pode ser identificada em uma imagem. Às vezes, o mamilo não era capturado na imagem, mesmo quando bem posicionado, e às vezes era difícil reconhecer o mamilo porque ele se sobrepunha à mama.

Além disso, ao identificar o músculo peitoral maior, estruturas semelhantes ao músculo peitoral maior foram capturadas e, em muitos casos, não estava claro qual deveria ser corretamente identificado como o músculo peitoral maior.
Particularmente em imagens obtidas no exterior, o músculo grande dorsal e torções na pele eram frequentemente capturados. Portanto, começamos consultando médicos e tecnólogos para descobrir como reconhecer o músculo peitoral maior.

Determinar fatores apropriados para avaliar o posicionamento foi outro grande desafio.
Médicos e tecnólogos têm experiência para avaliar instantaneamente a qualidade do posicionamento analisando as imagens.
Para conseguir isso tecnicamente, tivemos que trabalhar na decomposição do processo em uma linguagem. Analisamos várias imagens e decidimos sobre os itens de avaliação com base em opiniões de especialistas.

Além disso, prevendo a implantação global, buscamos incluir itens de avaliação de acordo com as diretrizes de cada país.
Como exemplo, a mensuração da Linha Posterior do Mamilo (Posterior Nipple Line, PNL), “o critério de que a PNL na incidência MLO não deve exceder em mais de um centímetro a medida obtida na incidência CC da mesma mama”, não possui uma definição específica nas diretrizes de radiologia do Japão.
Como tal, incluímos uma função para ligar/desligar cada item.

Por meio desses esforços, conseguimos comercializar uma ferramenta de análise de posicionamento altamente útil, embora o caminho para a comercialização tenha sido repleto de desafios.

O sistema de análise de posicionamento permite a avaliação objetiva do posicionamento de imagens capturadas com base em dados numéricos. Pontos fracos e hábitos dos tecnólogos podem ser identificados para ajudá-los a aprimorar suas técnicas de posicionamento.
Além disso, juntamente com a análise de posicionamento, as informações da paciente podem ser registradas e compartilhadas, o que acreditamos que elevará a qualidade da mamografia.

Esperamos sinceramente que este sistema beneficie profissionais de saúde e pacientes, contribuindo para aprimorar a qualidade da mamografia.