Banca de DEFESA: MARIA EDUARDA DUARTE DE MELLO FLAMINI

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MARIA EDUARDA DUARTE DE MELLO FLAMINI
DATA : 31/07/2025
HORA: 19:00
LOCAL: Videoconferência (telepresença)
TÍTULO:

IMPACTO CLINICO DA INTELIGENCIA ARTIFICIAL NA OTIMIZACAO DE TEMPO DE AQUISICAO E REDUCAO DE DOSE EM IMAGENS DE PET COM FDG-18F

PALAVRAS-CHAVES:

Inteligência Artificial; Tomografia por Emissão de Pósitrons; Fluordesoxiglucose F18.

PÁGINAS: 60
RESUMO:

O presente estudo avaliou o impacto clínico da inteligência artificial (IA) na construção de modelos de deep learning (DL) para redução de ruído em imagens de PET-FDG em pacientes oncológicos, visando otimizar o tempo de aquisição e a atividade injetada do radiofármaco. Utilizando arquiteturas 2.5D e 3D com reduções de 50% e 75% nas contagens originais, comparadas à reconstrução padrão de contagem plena, foram analisadas retrospectivamente imagens de 41 pacientes adultos do serviço de medicina nuclear do Hospital das Clínicas da Universidade Federal de Pernambuco. Os objetivos incluíram avaliações qualitativas da qualidade de imagem e detectabilidade de lesões por dois médicos nucleares independentes, utilizando escala de Likert e análise dicotômica, além de métricas quantitativas como SUVbw_max, SUVbw_mean e SUVbw_peak, MTV, TLG e contraste, extraídas por segmentação automática. Os resultados demonstraram que, nas reconstruções com 50% das contagens, a qualidade de imagem manteve notas médias acima de 4,8 em escala de 5, com concordância interobservador de 92,7% e perda de detectabilidade em apenas 2,4% dos casos, sem diferenças estatisticamente significativas nas métricas quantitativas em relação à referência. Nas condições com 25% das contagens, observou-se leve redução na qualidade perceptiva, com notas entre 4,0 e 4,5, e dúvidas na detectabilidade em 12,2% dos pacientes, principalmente em lesões hepáticas, embora todas as lesões neoplásicas principais tenham sido identificadas e as variações quantitativas tenham permanecido inferiores a 5%. Esses achados sugerem que os modelos de DL permitem protocolos mais eficientes e seguros, reduzindo exposição à radiação e custos, especialmente em contextos de recursos limitados como o SUS, sem comprometer a acurácia diagnóstica e prognóstica. Limitações incluem o caráter retrospectivo e o tamanho da amostra, recomendando-se estudos prospectivos para generalização. Em conclusão, a IA representa uma ferramenta promissora para aprimorar a imagem molecular na oncologia.

MEMBROS DA BANCA:
Interno - 3315617 - ESDRAS MARQUES LINS
Interno - ***.894.584-** - FELIPE ALVES MOURATO - EBSERH
Presidente - 2433058 - FLAVIO KREIMER
Externo à Instituição - MARCOS ANTÔNIO DÓREA MACHADO
Externa à Instituição - SHIRLEY DA SILVA JACINTO DE OLIVEIRA CRUZ - EBSERH