Inteligência artificial aplicada à radiologia veterinária

Abstract

Resumo: A degeneração mixomatosa da valva mitral é a cardiopatia mais comum em cães, acometendo aproximadamente 75% da população canina, especialmente em cães de pequeno porte e idosos. A condição se caracteriza pelo espessamento e prolapso valvar mitral, resultando em regurgitação valvar que consequentemente impõe um a sobrecarga de volume culminando no aumento do átrio esquerdo. O diagnóstico se inicia com a ausculta de sopro com foco em mitral, porém o diagnóstico definitivo se dá pela avaliação ecocardiográfica. Porém, a radiografia torácica é essencial para monitorar a evolução da doença e diferenciar de outros diagnósticos diferenciais. Neste contexto, a inteligência artificial (IA) surge como um a ferram enta promissora capaz de otimizar a interpretação radiográfica, aum entar a precisão diagnóstica e otimizar o fluxo de laudos possibilitando que o radiologista veterinário se concentre em casos mais complexos. Contudo, a integração da IA com a prática clínica levanta questões éticas sobre o papel dos radiologistas e a necessidade de habilidades humanas na interpretação crítica das imagens radiográficas. Esta tese aborda em três capítulos a aplicação da IA na Radiologia veterinária explorando tanto a eficácia das redes neurais na identificação do aumento atrial esquerdo quanto às implicações éticas e práticas dessa tecnologia na nova realidade da medicina veterinária.

Abstract: M yxomatous mitral valve degeneration is the most common heart disease in dogs, affecting approximately 75% o f the canine population, particularly small and elderly dogs. This condition is characterized by thickening and prolapse o f the mitral valve, resulting in valve regurgitation, which consequently imposes a volume overload and culminates in enlargement o f the left atrium. Diagnosis begins with the auscultation o f a m urm ur focused on the mitral valve, but the definitive diagnosis is made through echocardiographic evaluation. Additionally, chest radiography is essential for monitoring the progression o f the disease and differentiating it from other differential diagnoses. In this context, artificial intelligence (AI) emerges as a promising tool capable o f optimizing radiographic interpretation, increasing diagnostic accuracy, and streamlining the reporting process, allowing veterinary radiologists to focus on more complex cases. However, the integration o f AI into clinical practice raises ethical questions regarding the role o f radiologists and the necessity for human skills in the critical interpretation o f radiographic images. This thesis addresses the application o f AI in veterinary radiology across three chapters, exploring both the effectiveness o f neural networks in identifying left atrial enlargement and the ethical and practical implications o f this technology in the evolving landscape o f veterinary medicine.