AVALIAÇÃO PRELIMINAR DO BANCO DE DADOS DE IMAGENS DE ASPIRADO DE MEDULA ÓSSEA PARA IDENTIFICAÇÃO DE CÉLULAS DE PACIENTES COM MIELOMA MÚLTIPLO UTILIZANDO INTELIGÊNCIA ARTIFICIAL

Abstract

Objetivo: Avaliar o banco de dados construído a partir de imagens de aspirado de Medula Óssea (MO) de pacientes com Mieloma Múltiplo (MM), utilizado para a identificação de células por Inteligência Artificial (IA). Metodologia: A coleta de dados envolveu a obtenção de imagens de campos de lâminas de aspirado de MO de pacientes diagnosticados com mieloma múltiplo. Essas lâminas foram observadas em microscópio e fotógrafas com uso de smartphone acoplado à ocular. As células identificadas foram rotuladas e por fim foi realizado o treinamento com YOLO v.7. Resultados: O conjunto de dados utilizados no treinamento da IA consistiu em 512 fotografias digitais do campo de lâminas de MO, das quais foram rotuladas 1.891 imagens de plasmócitos (PLAS) e 1.931 imagens de não plasmócitos (N-PLAS). A partir desse dataset a IA obteve uma precisão acima 80% na identificação de PLAS e uma variação de 60% a 70% na identificação de N-PLAS. Discussão: O MM é uma doença onco-hematológica maligna caracterizada pela proliferação anormal de plasmócitos na medula óssea. O diagnóstico preciso e o monitoramento da progressão da doença são essenciais para um tratamento eficaz. As imagens de aspirado de MO desempenham um papel crucial na identificação e classificação das células envolvidas. Entretanto, o exame citomorfológico feito por microscopia é descrito como um processo laborioso e sujeito a variabilidade inter-observador. Com isto, o uso da IA no auxílio ao diagnóstico de doenças hematológicas tem se mostrado promissor nos últimos anos. Sabe-se que o desenvolvimento de IAs para diagnóstico é depende de bases de dados robustas em quantidade e qualidade dos dados, entretanto não existe um valor pré-estabelecido para determinar estes parâmetros. Apesar do atual banco de dados apresentar um bom desempenho para o treinamento de IA na identificação de PLAS, os resultados em um grupo tão heterogêneo, grupo N-PLAS, indica as limitações do conjunto de dados atual. Diante disto, percebe-se a necessidade de ampliar o banco de dados principalmente do grupo de células classificadas como N-PLAS que incluem: Blasto, precursores granulocíticos, neutrófilos, eosinófilo, basófilo, proeritroblasto, eritroblasto, linfócito, precursores normocíticos, megacariócito. A partir disso, será possível alcançar valores que garantam a segurança na identificação pela IA. Atualmente existe uma grande variedade de banco de dados de imagens de células da MO disponíveis. E em comparação com esses, o que vem sendo construído também se mostra promissor, principalmente por fornecer um novo banco de imagens condizente com a rotina hospitalar, ao utilizar como ferramenta de captura de imagem o aparelho smartphone, uma ferramenta acessível e de baixo custo. Conclusão: A construção do banco de dados de imagens de aspirado de MO de pacientes com MM é um passo fundamental para o avanço do diagnóstico e do monitoramento da doença utilizando IA. Os resultados preliminares obtidos com o treinamento da IA utilizando este banco de dados demonstram um enorme potencial para a sua implementação. O desenvolvimento contínuo e a expansão do banco de dados de imagens de aspirado de MO, aliados ao refinamento dos modelos de IA, têm o potencial de transformar a abordagem diagnóstica e terapêutica de doenças onco-hematológicas.