Redes neurais na detecção de telangiectasias: avaliação dos resultados de escleroterapia e comparação com análise manual

Resumo

Introdução: Telangiectasias são pequenas vênulas anormalmente dilatadas e visíveis ao olho nu frequentemente associadas a importantes queixas estéticas. A escleroterapia química é o tratamento de escolha e sua eficácia é determinada pela extinção visual dos vasos tratados, geralmente avaliada por análise fotográfica qualitativa. Essa técnica é marcada por uma subjetividade que impede a elaboração de estudos precisos a respeito da extensão dos vasos e eficácia das terapias utilizadas, sendo uma área aberta para novas abordagens metodológicas. O uso de aprendizado de máquina com redes neurais (deep learning) tem se tornado uma grande tendência na análise de dados, com crescentes aplicações na área médica. Em busca de um método mais fidedigno de avaliação, levantamos a hipótese de que as telangiectasias podem ser estudadas através de redes neurais. Objetivos: explorar a eficácia da análise computadorizada com redes neurais na detecção das telangiectasias comparando com método manual na quantificação do tratamento por escleroterapia. Métodos: a partir de fotos obtidas em um estudo prévio sobre o tratamento de telangiectasias de membros inferiores, procurou-se analisar os resultados pré e pós-escleroterapia de 98 pacientes submetidos a dois diferentes tratamentos, com polidocanol 0,2% + Glicose 70%(Grupo 1) versus Glicose 75% pura (Grupo 2). As fotografias das participantes continuam sob nosso domínio e serão novamente analisadas, agora com o uso de redes neurais. Esses resultados serão comparados com os obtidos previamente para que se possa determinar a aplicabilidade do Deep Learning na avaliação das telangiectasias.