Utilização de algoritmos de IA na predição de dose radiológica em exames de tórax: uma ferramenta de apoio à física médica
Year: 2026
Type: article
Abstract: A predição precisa da Dose de Entrada na Pele (DEP) é essencial para a garantia de qualidade e segurança em exames de radiografia de tórax. Este estudo investigou a aplicação de algoritmos de inteligência artificial para prever a DEP a partir de fatores técnicos como mAs, kV, distância foco-filme (DFF) e espessura do paciente. Foram analisados dados de 150 radiografias de tórax com dosimetria física. Modelos de aprendizado supervisionado, incluindo Rede Neural Artificial (RNA) e Random Forest Regressor (RFR), foram treinados e avaliados quanto ao desempenho preditivo. A RNA apresentou erro absoluto médio (Mean Absolute Error - MAE) de 0,009 mGy e coeficiente de determinação R² = 0,990, enquanto o modelo RFR obteve MAE de 0,020 mGy e R² = 0,827. A média da dose física medida foi de 0,284 mGy, comparada às médias preditas de 0,274 mGy pela RNA e 0,282 mGy pelo RFR. Ambos os modelos apresentaram bom desempenho preditivo, com destaque para a RNA quanto à precisão. Esses achados reforçam o potencial da inteligência artificial como ferramenta de apoio às práticas de radioproteção e otimização dos parâmetros técnicos em ambientes clínicos.
Language: Portuguese
Topic: Radiation Dose and Imaging
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W7170083391