Animati participa de competição internacional de Machine Learning

pp

Animati participa de competição internacional de Machine Learning

 

Um grupo de pesquisadores apoiados pela Animati e pela Medvia Diagnóstico participou recentemente do Pediatric Bone Age Challenge organizado pela RSNA (Radiological Society of North America). O desafio tinha como objetivo o desenvolvimento de algoritmos para diagnóstico mais preciso em exames de idade óssea, através da utilização de técnicas de Inteligência Artificial e Machine Learning.

 

idade óssea é uma maneira de descrever o grau de maturação do ossos de uma criança. Atualmente, tais  mudanças são interpretadas em um processo trabalhoso, onde médicos radiologistas comparam o raio-x da mão do paciente à imagens referência disponíveis em um atlas [1].  Além disso, este procedimento sofre muito com a variação entre observadores – especialmente para radiologistas com menos experiência, tornando essa avaliação imprecisa. Embora já existam pesquisas nesta área [2], ainda há muito espaço para melhorias,  como explorado no desafio proposto pela RSNA [3].

 

Com apenas 20 dias de participação e com limitações de hardware, nossa equipe conseguiu estimativas de idade com um erro médio de 7.645 meses durante a fase aberta do desafio. Tais resultados ficaram  a menos de 2 meses de diferença para os primeiros colocados e de acordo com as principais centros de pesquisa do mundo que participaram da competição. O resultado final do desafio será divulgado no encontro anual da RSNA que ocorrerá em novembro em Chicago.

 

A Animati agradece a equipe de pesquisadores que aceitaram o desafio e reafirma seu compromisso de investir em pesquisa e inovação.

 

Equipe:

Álesson Scapinello (UFRGS) – https://www.linkedin.com/in/alessonscapinello/

Bernardo Henz (UFRGS) – https://www.linkedin.com/in/bernardo-henz-bb774554/

Daniel Souza (Animati, UFRGS) – https://www.linkedin.com/in/souzadaniel/

José Eduardo Venson (Animati) – https://www.linkedin.com/in/jose-eduardo-venson/

 

Fonte:

[1]: http://pubs.rsna.org/doi/full/10.1148/radiographics.25.4.0251074

[2]: https://link.springer.com/article/10.1007/s10278-017-9955-8

[3]: http://rsnachallenges.cloudapp.net/