Application of Artificial Intelligence Models in Second Trimester Obstetric Ultrasonography

Abstract

Introduction: Second trimester ultrasound is essential for the assessment of fetal anatomy, growth and well-being, and is therefore a time-consuming examination requiring multiple tasks to be performed. Although there are many advantages to its use in obstetrics, it is a technique with inherent limitations and is a highly operator-dependent diagnostic method, and there may be intra- and inter-observer variability. Therefore, the results obtained may sometimes be lower than expected. The emergence of artificial intelligence technology may be the way to overcome these limitations by being able to process large amounts of data to identify patterns or using deep learning algorithms. These include convolutional neural network algorithms, which are most widely used in medical imaging. Through this narrative review, we aim to understand how the application of artificial intelligence models can contribute to improve the diagnostic sensitivity and workflow of second trimester ultrasound.Methodology: A literature search was performed in Pubmed, Elsevier and WebOfScience databases using the MeSH terms: "artificial intelligence" and "ultrasonography". Articles published between 2012 and 2022, in English, Portuguese or Spanish, that addressed the application of artificial intelligence models in second trimester obstetric ultrasound were selected. Discussion: Fetal anatomical evaluation is essential during the second trimester to diagnose congenital anomalies, taking timely action and counselling. Congenital heart defects are the most common anomaly, but only 30% of cases are diagnosed by ultrasound. Artificial intelligence models have proven to be effective in the segmentation of structures and detection of diagnostic planes at various anatomical points recommended to be assessed by international guidelines. Regarding the heart and central nervous system, its application has shown to obtain values that correspond to a high diagnostic capacity of these congenital anomalies. Second trimester ultrasound also allows gestational age and fetal biometry calculation. This can diagnose growth anomalies and estimate the gestational age if it has not been done earlier in pregnancy. Automation of fetal biometry resulted in lower measurement errors than those obtained by specialists, which also translated into more correct gestational age estimates compared to those observed in clinical practice in the second trimester. In order to overcome the subjectivity inherent in the qualitative assessment of these structures, automatic evaluation of the placenta and amniotic fluid has also shown promising results in some models. By automating workflow analysis, it is possible to understand the needs of ultrasound operators and create new ways of performing the exam to achieve better results.Conclusion: The application of artificial intelligence models shows promising results in diagnostic improvement in second trimester ultrasound. It would be important to improve and develop better models specifically for fetal anomaly detection in this trimester of pregnancy to improve their diagnostic ability. Moreover, further prospective studies to adapt the models and confirm their clinical applicability and potential advantages in daily practice are very important.

Introdução: A ecografia do segundo trimestre é essencial para a avaliação da anatomia fetal, crescimento e bem-estar, sendo por isso um exame moroso que exige a realização de múltiplas tarefas. Embora haja muitas vantagens na sua utilização em obstetrícia, trata-se de uma técnica com limitações intrínsecas e constitui um método de diagnóstico altamente dependente do operador, podendo haver variabilidade intra e interobservador. Consequentemente, os resultados obtidos podem por vezes ser inferiores ao esperado. A emergência da tecnologia de inteligência artificial pode ser a forma de ultrapassar estas limitações, ao ser capaz de processar grandes quantidades de dados e identificar padrões, ou utilizar algoritmos de aprendizagem profunda. Estes incluem o algoritmo de rede neural convolucional, que é o mais amplamente utilizado em imagiologia médica. Através desta revisão narrativa, pretendemos compreender como a aplicação de modelos de inteligência artificial pode contribuir para melhorar a sensibilidade diagnóstica e o fluxo de trabalho da ecografia do segundo trimestre.Metodologia: A pesquisa bibliográfica foi realizada nas bases de dados Pubmed, Elsevier e WebOfScience usando os termos MeSH: "artificial intelligence" e "ultrasonography". Foram selecionados artigos publicados entre 2012 e 2022, em Inglês, Português ou Espanhol, que abordavam a aplicação de modelos de inteligência artificial na ecografia obstétrica do segundo trimestre.Discussão: A avaliação anatómica fetal é essencial durante o segundo trimestre para diagnosticar anomalias congénitas, e assim tomar medidas e aconselhamento atempados. As cardiopatias congénitas são as mais frequentes, porém a ecografia apenas diagnostica 30% dos casos. Os modelos de inteligência artificial provaram ser eficazes na segmentação de estruturas e na deteção de planos de diagnóstico em vários pontos anatómicos recomendados para serem avaliados pelas guidelines internacionais. Relativamente ao coração e ao sistema nervoso central, a sua aplicação demonstrou obter valores que correspondem estatisticamente a uma elevada capacidade diagnóstica de anomalias congénitas nestes órgãos e sistemas. A ecografia do segundo trimestre também permite o cálculo da idade gestacional e da biometria fetal. Assim, é possível diagnosticar anomalias de crescimento e estimar a idade gestacional se esta não tiver sido realizada mais cedo na gravidez. A automatização da biometria fetal revelou erros de medição inferiores aos obtidos por especialistas, o que também se traduz na obtenção de estimativas da idade gestacional mais corretas comparadas com as observadas na prática clínica neste trimestre. De modo a superar a subjetividade inerente à avaliação qualitativa destas estruturas, a avaliação automática da placenta e do líquido amniótico também mostrou resultados promissores em alguns modelos. A automatização da análise do fluxo de trabalho permite compreender as necessidades dos ecografistas e, assim, criar formas da realização do exame que permitam obter melhores resultados.Conclusão: A aplicação de modelos de inteligência artificial apresenta resultados promissores na melhoria da sensibilidade diagnóstica na ecografia do segundo trimestre. Seria importante aperfeiçoar e desenvolver modelos específicos para a deteção de anomalias fetais neste trimestre da gravidez. Além disso, são muito importantes novos estudos prospetivos para adaptar os modelos e confirmar a sua aplicabilidade clínica e potenciais vantagens na prática diária.