Automated 3D CT Segmentation of Intercostal Muscles Using Bayesian U-Net: a retrospective technical validation study with exploratory pulmonary function analysis

O peito humano é uma máquina complexa, uma gaiola de osso e cartilagem que protege órgãos vitais enquanto se expande e contrai a cada respiração. Dentro desta gaiola, entre as costelas, encontram-se finas e curvas camadas de músculo conhecidas como músculos intercostais. Estas pequenas faixas de tecido são essenciais para a vida; elas trabalham ao lado do diafragma para puxar o ar para dentro dos pulmões e expulsá-lo, desempenhando um papel crítico em tudo, desde um suspiro suave até uma tosse forte que limpa as vias aéreas. Quando estes músculos enfraquecem ou mudam, a capacidade de respirar pode sofrer, mas medi-los tem sido há muito tempo uma dor de cabeça para os médicos. Por serem tão finos, curvos e envoltos ao redor da caixa torácica, são incrivelmente difíceis de visualizar claramente em exames médicos padrão. Os métodos tradicionais dependem frequentemente de instantâneos bidimensionais ou ultrassom, que podem perder o quadro completo de quanta musculatura realmente existe ou quão saudável ela é.

Durante décadas, a única forma de obter um mapa tridimensional completo destes músculos era ter um especialista humano a traçar manualmente cada um deles num ecrã de computador, um processo tão tedioso e demorado que era impraticável para uso médico rotineiro. Esta limitação significava que, embora os médicos pudessem ver os pulmões, muitas vezes não conseguiam avaliar com precisão a força dos próprios músculos que os impulsionam. No entanto, está a surgir uma nova abordagem que combina visão computacional avançada com um tipo específico de inteligência artificial concebida para lidar com a incerteza. Ao ensinar um computador a reconhecer estas fibras musculares esquivas em exames de alta resolução, os investigadores esperam desbloquear uma nova forma de compreender a saúde respiratória, ligando potencialmente o estado físico destes músculos diretamente à capacidade de uma pessoa respirar.

Num estudo recente, uma equipa de investigadores decidiu resolver este problema desenvolvendo um programa de computador capaz de encontrar e medir automaticamente os músculos intercostais em três dimensões. Focaram-se num tipo específico de exame médico chamado tomografia computadorizada (TC) de tórax de corte fino, que cria uma imagem 3D detalhada e de alta resolução do peito. A equipa treinou o seu software utilizando um método chamado U-Net Bayesiana, um algoritmo sofisticado que não só aprende a identificar formas, como também calcula o quão confiante está nas suas próprias decisões. Esta característica é crucial porque permite ao sistema sinalizar áreas onde não tem certeza, solicitando que especialistas humanos revejam e corrijam esses pontos específicos. Este ciclo de o computador adivinhar, o humano corrigir e o computador aprender com essas correções continuou até que o sistema se tornasse altamente proficiente em distinguir o delicado tecido muscular do tecido adiposo, vasos sanguíneos e tecido pulmonar circundantes.

Para testar se este sistema realmente funcionava, os investigadores aplicaram-no a uma grande coleção de exames de tórax de 145 pacientes. Estes não eram casos de livro, ideais; os exames incluíam pessoas com tumores pulmonares, pneumonia, fluido ao redor dos pulmões e até alterações pós-cirúrgicas, garantindo que o teste refletisse a realidade desordenada da medicina real. O computador processou cada exame em cerca de cinco minutos, uma tarefa que teria levado horas ou dias a um especialista humano. Quando os investigadores compararam as medições do computador com o trabalho manual de radiologistas experientes, os resultados foram surpreendentemente próximos. A capacidade do computador de igualar os contornos desenhados por humanos foi comparável ao nível de concordância observado entre dois especialistas humanos a trabalhar de forma independente. Em testes específicos no nível da sexta costela, onde os músculos foram medidos na sua totalidade, as estimativas de volume do computador diferiram das medições humanas por menos de um centímetro cúbico, uma margem de erro tão pequena que é quase impercetível.

Para além de provar que o computador conseguia encontrar os músculos, o estudo explorou o que estas medições realmente significavam para a saúde do paciente. Os investigadores analisaram 95 pacientes que também tinham sido submetidos a testes de respiração padrão, que medem quanto ar conseguem expelir dos pulmões e a rapidez com que o fazem. Eles encontraram uma ligação clara e positiva entre a quantidade de músculo intercostal detetada pelo computador e a capacidade respiratória dos pacientes. Especificamente, pacientes com volumes maiores destes músculos tendiam a apresentar melhores resultados nos testes que medem a quantidade total de ar que conseguem exalar. A ligação era ainda mais forte quando o computador se focava apenas no tecido muscular magro, filtrando a gordura que frequentemente infiltra músculos envelhecidos ou doentes. Embora a ligação com a velocidade com que uma pessoa consegue exalar tenha sido menos consistente após considerar fatores como idade e tamanho corporal, o padrão geral sugeriu que as medições do computador eram biologicamente significativas e refletiam a função física real.

O estudo também destacou onde o sistema ainda enfrenta desafios. O computador ocasionalmente incluía um pouco de tecido próximo, como um pequeno vaso sanguíneo ou uma mancha de gordura, na sua contagem, ou por vezes perdia uma pequena secção de músculo nas partes inferiores da caixa torácica, onde as alterações de gordura são comuns. No entanto, estes erros foram menores e não envolveram confundir o músculo com doenças pulmonares graves, como pneumonia ou tumores. Os investigadores notaram que o sistema tendia a ser ligeiramente mais conservador do que os especialistas humanos, medindo volumes ligeiramente menores em algumas áreas, provavelmente porque o computador seguia estritamente a borda visível do músculo, enquanto os humanos poderiam incluir uma pequena margem de incerteza. Apesar destas pequenas imperfeições, a consistência dos resultados através de diferentes hospitais e diferentes tipos de pacientes sugere que a tecnologia é robusta o suficiente para ser usada em diversos contextos médicos.

Este trabalho representa um passo significativo no avanço da imagem médica, passando a avaliação dos músculos respiratórios de uma tarefa manual e laboriosa para um processo automatizado e rápido. Ao mapear com sucesso estes músculos de difícil visualização em três dimensões, os investigadores forneceram uma ferramenta que poderá ajudar os médicos a compreender melhor por que razão alguns pacientes têm dificuldade em respirar, mesmo quando os seus pulmões parecem limpos num exame. As descobertas sugerem que a saúde dos músculos intercostais é uma peça vital do puzzle respiratório, que agora pode ser medida com precisão. Embora o estudo ainda não prove que este método vá mudar o tratamento clínico imediatamente, estabelece uma base fiável para investigações futuras sobre como a saúde muscular se relaciona com doenças como a doença pulmonar obstrutiva crónica, a recuperação após cirurgia e o declínio geral da função respiratória em adultos mais velhos. A capacidade de visualizar e medir estes músculos automaticamente abre as portas para uma compreensão mais profunda da respiração humana, transformando um componente outrora invisível da nossa anatomia num indicador de saúde claro e quantificável.