Análise de Aprendizado Profundo Validade Externa de Radiografias de Tórax para Diferenciar COVID-19 e Pneumonia Viral

Contexto/Objetivo: A radiografia de tórax (CXR) é rotineiramente usada na avaliação de doenças respiratórias; no entanto, diferenciar COVID-19 de outras pneumonias virais na CXR continua sendo desafiador devido à substancial sobreposição radiográfica. Neste estudo, foi desenvolvido um modelo de classificação de CXR baseado em aprendizado profundo utilizando uma arquitetura ResNet-50 para categorizar imagens como normal, COVID-19 ou pneumonia viral não-COVID, com ênfase na mitigação de viés e validação externa. Métodos: O treinamento do modelo e a validação interna foram realizados usando conjuntos de dados públicos harmonizados disponíveis com validação cruzada estratificada em cinco partes a nível de paciente, enquanto a generalização foi avaliada utilizando um conjunto de dados institucional independente do Hospital Adan, Kuwait, que foi excluído de todas as etapas de treinamento, validação e ajuste de hiperparâmetros. Resultados: No conjunto de dados de validação pública (n = 847), o modelo alcançou uma precisão geral de 96,8% com desempenho equilibrado entre as classes, enquanto o desempenho no conjunto de dados institucional independente (n = 320) caiu para 93,7%, consistente com a mudança esperada de domínio. Análises de calibração demonstraram estimativas probabilísticas bem alinhadas nos dados de validação e calibração aceitável nos dados institucionais. Os valores preditivos negativos permaneceram altos para as classes normal e COVID-19 em todos os conjuntos de dados. A análise exploratória da curva de decisão demonstrou padrões de benefício líquido para previsões de COVID-19 sob suposições de limiar hipotético. Conclusões: Esses achados indicam que, quando desenvolvido com estratégias explícitas de mitigação de viés e avaliado usando dados institucionais independentes, a análise de CXR baseada em aprendizado profundo pode fornecer sinais de decisão de suporte não diagnósticos para fluxos de trabalho de triagem em radiologia; no entanto, validação multicêntrica prospectiva é necessária antes da adoção clínica.