Inteligência computacional para auxílio no diagnóstico de alterações nas orelhas externa e média.

Abstract

A otoscopia digital é uma ferramenta valiosa na prática clínica, desempenhando um papel importante no auxílio ao diagnóstico rápido e preciso de alterações da orelha externa e interna no aparelho auditivo, contribuindo, assim, para uma melhor qualidade de cuidado e intervenção de saúde. Nesse cenário, a aplicação de Inteligência Artificial tem emergido como uma abordagem promissora para aprimorar a precisão e eficiência do auxílio a diagnóstico. Diante desse contexto, este estudo visa explorar o emprego de Redes Neurais Convolucionais (CNN) na classificação de imagens, com o objetivo de identificar alterações da orelha externa e interna dos pacientes. A pesquisa se propõe a investigar a capacidade das CNNs em auxiliar na triagem, avaliando o desempenho de diferentes arquiteturas em classificar as imagens em grupos distintos. Dessa forma, este projeto não apenas busca identifica as arquiteturas de CNN mais eficazes para estudos futuros, mas também sugere que tais algoritmos têm o potencial de apoiar a avaliação da área da saúde. Ao direcionar a atenção do profissional para áreas de interesse específicas nas imagens da orelha externa e interna, essa abordagem pode reduzir o tempo necessário para diagnósticos assertivos. Destacam-se os resultados notáveis obtidos pelas arquiteturas de CNN, com ênfase especial na convnext tiny. Esta arquitetura alcançou um F1 Score de 0.9637, especialmente ao lidar com a base de dados específica para otite. O recall de 0.9797 destaca a habilidade da convnext tiny em capturar quase todas as instâncias positivas de otite, enquanto a precisão de 0.9617 demonstra sua acurácia ao classificar casos positivos. Os resultados obtidos pela convnext tiny indicam a eficácia dessa arquitetura na identificação de diversos tipos de otite. No entanto, é crucial reconhecer a complexidade e diversidade das patologias auditivas. O desafio central é a compreensão de que um único modelo pode não ser uniformemente eficiente em diversas doenças do orelha média, sendo interessante investigar a classificação de outras patologias assim como o uso de diferentes bases de dados.