A Hybrid CNN-Transformer Framework for Robust Coronary Artery Stenosis Detection in X-ray Angiography

As doenças cardíacas continuam a ser a principal causa de morte em todo o mundo e, no cerne do problema, está frequentemente um estreitamento das artérias que fornecem sangue ao músculo cardíaco. Esta condição, conhecida como estenose da artéria coronária, ocorre quando depósitos de gordura e cálcio se acumulam dentro das paredes dos vasos, restringindo o fluxo de sangue rico em oxigénio. Se este estreitamento passar despercebido ou não for tratado, pode levar a um ataque cardíaco. Atualmente, os médicos dependem da angiografia por raio-X para ver o interior destas artérias. Neste procedimento, um contraste é injetado na corrente sanguínea, tornando os vasos visíveis num ecrã de raio-X. No entanto, a leitura destas imagens é difícil. As imagens são frequentemente granuladas, cheias de sombras provenientes de ossos como as costelas e as vértebras, e repletas de instrumentos médicos. Interpretar estas imagens requer um especialista humano que observe atentamente cada fotograma, um processo que é lento, cansativo e propenso ao erro humano.

Para ajudar os médicos, os cientistas recorreram à inteligência artificial, especificamente a um tipo de programa de computador chamado aprendizagem profunda (deep learning). Durante anos, os programas mais bem-sucedidos para esta tarefa foram construídos com base numa tecnologia chamada Redes Neuronais Convolucionais, ou CNNs. Estes programas são excelentes a detetar detalhes locais, como a borda nítida de uma parede de um vaso ou uma textura específica. No entanto, têm dificuldade em compreender o quadro geral. Como se concentram intensamente em pequenos píxeis próximos, confundem-se frequentemente com o fundo ruidoso, confundindo uma costela ou um cateter com uma artéria bloqueada. Carecem da capacidade de recuar e ver todo o caminho do vaso sanguíneo para compreender a sua verdadeira forma. Uma tecnologia mais recente, conhecida como Transformer, resolve isto ao permitir que o computador olhe para a imagem completa de uma só vez, ponderando a importância de cada parte em relação a todas as outras. O desafio tem sido combinar a velocidade da tecnologia mais antiga com a compreensão global da nova.

Neste estudo, investigadores de várias universidades médicas do Irão propuseram uma nova solução que funde estas duas abordagens. Desenvolveram um framework híbrido que utiliza um Transformer de Deteção em Tempo Real, ou RT-DETR, para encontrar artérias bloqueadas em imagens de raio-X. Em vez de depender de um único tipo de visão computacional, o seu sistema utiliza uma rede padrão para captar os detalhes finos da imagem e, em seguida, passa essa informação para um módulo Transformer. Este segundo módulo atua como um mapa global, ajudando o computador a distinguir entre um bloqueio real e uma sombra confusa projetada por uma costela ou pela coluna vertebral. O objetivo era criar uma ferramenta que fosse não só altamente precisa, mas também suficientemente rápida para ser utilizada em tempo real durante um procedimento médico.

A equipa treinou o seu novo sistema utilizando uma vasta coleção de 8.325 imagens de raio-X tiradas de 100 pacientes diferentes. Estas imagens provinham de um instituto de investigação na Rússia e incluíam uma variedade de condições do mundo real, com diferentes resoluções e níveis de ruído. Para ensinar o computador a lidar com estas imagens difíceis, os investigadores utilizaram uma técnica onde costuraram quatro imagens diferentes para formar uma única imagem de treino grande. Isto forçou o sistema a aprender a detetar pequenos bloqueios mesmo quando rodeados por fundos complexos e desordenados. Também utilizaram outro método que misturou pares de imagens para criar novos exemplos virtuais, ajudando o computador a tornar-se mais robusto contra o ruído aleatório encontrado em exames médicos.

Quando os investigadores testaram o seu novo framework contra os métodos existentes, os resultados foram claros. O modelo híbrido alcançou uma precisão de deteção de 97,8 por cento, que é superior aos melhores modelos anteriores que dependiam exclusivamente de tecnologia mais antiga. Uma das melhorias mais significativas foi na deteção de pequenos bloqueios. O novo sistema identificou corretamente 59,2 por cento destas pequenas lesões, um salto substancial em comparação com os 51,5 por cento alcançados pelo modelo líder anterior. Isto é importante porque os pequenos bloqueios são frequentemente os mais difíceis de ver, mas podem ser os mais perigosos se forem ignorados. Os investigadores também descobriram que o seu sistema era notavelmente rápido, processando imagens a uma taxa de 38 fotogramas por segundo. Isto é mais de três vezes mais rápido do que o modelo de topo anterior, que conseguia apenas 11 fotogramas por segundo.

O estudo sugere que esta nova abordagem consegue colmatar com sucesso a lacuna entre a alta precisão e a velocidade necessária para a utilização clínica. Ao combinar a capacidade de ver detalhes finos com o poder de compreender o contexto de toda a imagem, o sistema reduz o número de falsos alarmes causados pelo ruído de fundo. Os autores observam que, embora os resultados sejam promissores, o sistema foi testado em dados de uma única fonte, sendo necessário mais trabalho para garantir que funciona igualmente bem em imagens de diferentes hospitais e máquinas. No entanto, as descobertas indicam que este framework híbrido oferece uma ferramenta robusta e eficiente que poderá um dia auxiliar os cardiologistas a tomar decisões mais rápidas e fiáveis durante procedimentos cardíacos críticos.