ACHADOS TOMOGRÁFICOS EM PULMÕES COVID-19: A CONTRIBUIÇÃO DA INTELIGÊNCIA ARTIFICIAL
Keywords:
3D Slicer, Lung Analyser, Tomografia de tórax, Covid-19Abstract
Desde o início da pandemia da Doença do Coronavírus (COVID-19), a Tomografia Computadorizada de tórax é uma forte aliada no diagnóstico e acompanhamento de pacientes. Novas ferramentas têm sido desenvolvidas para tornar a análise pulmonar mais objetiva, caso do 3D Slicer e sua ferramenta Lung Analyser. Este estudo objetivou descrever os achados tomográficos encontrados em pacientes com COVID-19 internados na Unidade de Terapia utilizando esta ferramenta. Método. Cento e um conjuntos de imagens tomográficas de pacientes internados entre março de 2020 e dezembro de 2021 com diagnóstico positivo de COVID-19 foram selecionados aleatoriamente. O Lung Analyser foi usado para realizar a análise, quantificando o pulmão “enfisematoso”, “infiltrado”, “colapsado” e “afetado total” em mililitros e sua porcentagem. Resultados. Os achados de enfisema apresentaram se mantiveram em torno de 20% do volume. Já os infiltrados, pulmões colapsados e a porcentagem de acometimento total não apresentaram essa similaridade, tendo uma importante pluralidade de resultados. Em infiltrados pulmonares, obteve-se uma média de 32,98% de acometimento, com desvio padrão de 0,095. Para a porcentagem de pulmão colapsado, temos uma média de 11,48% e um desvio padrão de 0,067. A porcentagem total de pulmão acometido foi de 44,3% em média, com desvio padrão de 0,15. Conclusão: A descrição de achados encontrados pelo software pode ser valiosa para a identificação e quantificação de lesões pulmonares em pacientes com COVID-19, diminuindo subjetividade dos laudos e auxiliando no melhor conhecimento de lesões, por vezes não tão visíveis ao olho humano. Seu uso não exclui a necessidade de radiologistas experientes para a melhor avaliação.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Bruna Martins Dzivielevski da Camara, Heloisa Severgnini, Georgia Garofani Nasimoto, Rafaella Stradiotto Bernardelli, Auristela Duarte de Lima Moser, Mauren Abreu de Souza

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.