Resumo: Contexto e Objetivos: O nervo facial, ou sétimo nervo craniano, com seu curso complexo e associação a múltiplas patologias, continua sendo uma área crítica de estudo. A paralisia de Bell, uma condição idiopática que leva à fraqueza facial unilateral, é frequentemente diagnosticada através de ressonância magnética (RM), que pode revelar inflamação ou patologia dentro do nervo facial. No entanto, o realce fisiológico pode complicar o diagnóstico, particularmente em indivíduos saudáveis. Este estudo teve como objetivo avaliar o realce do nervo facial em pacientes com paralisia de Bell utilizando algoritmos de aprendizado de máquina. Métodos: Analisamos retrospectivamente 306 imagens de RM de sujeitos, incluindo 156 pacientes com paralisia de Bell e 150 controles, e treinamos um modelo de aprendizado profundo baseado em DenseNet para identificar realce patológico com uma precisão de 80% (área sob a curva (AUC) de 87%). Resultados: Nosso modelo alcançou uma precisão de 80% e uma AUC de 87% em comparação com a decisão do neurorradiologista, demonstrando seu potencial para auxiliar os clínicos no diagnóstico. Conclusões: Estudos futuros com validação externa e conjuntos de dados maiores podem aprimorar ainda mais a aplicabilidade clínica de ferramentas de avaliação baseadas em IA para patologias do nervo facial.
Akkaya et al. (Tue,) estudaram esta questão.