Dans le domaine de la santé humaine, un examen largement utilisé pour la détection précoce des maladies cardiovasculaires est la MPO (à partir du retard de l'écoulement anglais), un examen qui mesure la capacité des artères à se développer en réponse à la circulation sanguine. Cependant, l'analyse de cet examen dépend de l'interprétation manuelle des images échographiques, ce qui peut entraîner des variations des diagnostics et réduire la fiabilité des résultats.
Ainsi, pour rendre ce type d'analyse plus précis et plus fiable, un groupe de chercheurs de la Unicamp a développé une méthode automatisée pour analyser les tests de FMD à travers des réseaux de neurones convolutionnaires, qui sont des modèles d'intelligence artificielle (Ia) spécialisé dans le traitement d'image.
Pour cela, le système reçoit les images d'un examen échographique et les transforme en une échelle de gris, en extraction des modèles pour mesurer la vasodilatation de l'artère brachiale au fil du temps. Étant donné que la technologie combine l'apprentissage en profondeur et l'analyse temporelle, elle ne nécessite pas la nécessité d'une segmentation manuelle et améliore la précision de l'évaluation.
La nouvelle méthode rend l'analyse des examens plus rapidement, améliore la reproductibilité des diagnostics et réduit la dépendance à l'expérience du professionnel responsable de l'interprétation. De plus, la méthode peut être adaptée à d'autres analyses médicales à base d'échographie, en élargissant leurs applications cliniques et de recherche.
La technologie protégée d'Unicamp est disponible pour les entreprises de licence intéressées à innover dans le partenariat avec l'Université d'État de Campinas (UFSC). Intéressé à explorer cette opportunité et à en savoir plus sur le processus de transfert de technologie peut contacter Inova Unicamp pour négocier directement les conditions et le contrat de licence.