Emissão de laudos eletrocardiográficos a distância: experiência da rede catarinense de telemedicina / Issuing electrocardiographic reports remotely: experience of the telemedicine network of Santa Catarina

FUNDAMENTO: Cresce o uso da Telemedicina, especialmente no envio e na avaliação de eletrocardiograma (ECG). É um procedimento de baixo custo, com alto potencial de salvar vidas. OBJETIVO: Descrever a forma de análise sistemática e o perfil do usuário da Rede Catarinense de Telemedicina quando o laudo era emitido de forma livre. MÉTODOS: Estudo observacional, transversal, determinando as associações entre características dos pacientes e diagnósticos eletrocardiográficos emitidos, dentre os usuários da Rede Catarinense de Telemedicina quando o laudo era fornecido de forma livre. Esse sistema estava conectado a 287 cidades de Santa Catarina, os exames eram feitos nos locais de origem e emitidos os laudos em três hospitais terciários. Entre 2005 e 2010, os laudos eram emitidos de forma livre e foi criado um método probabilístico para análise dos dados. Um cardiologista experiente avaliou todos os ECG para aferir a chance de anormalidade. RESULTADOS: Foram avaliados 243.363 ECG. A maioria (58%) foi realizada em pacientes com mais de 50 anos e proveniente da atenção primária (72%). Houve diferenças de frequência por região, parcialmente relacionado com número de cardiologistas/região (r = -0,551), com a distância dos centros terciários e com possíveis diferenças de aceitação do método. Cerca de 53% do ECG foram anormais, com maior frequência quanto maior a idade (r2 = 0,8166), e com diferenças regionais também significantes (p < 0,0001). CONCLUSÃO: Foi construído um sistema de análise dos dados integrando termos prevalentes, análise probabilística e dicionários especializados. O sistema tem atendido uma parcela significativa da população catarinense, principalmente idosos, da rede básica e de regiões remotas do estado.

BACKGROUND: A growing use of telemedicine has been observed, especially as regards the sending and evaluation of electrocardiograms (ECG); this is a low-cost procedure with a high potential to save lives. OBJECTIVES: To describe the form of systematic analysis and user profile of the Telemedicine Network of Santa Catarina during the time when the report was issued freely. METHODS: Observational cross-sectional study determining the associations between patient characteristics and electrocardiographic diagnoses issued among users of the Telemedicine Network of Santa Catarina during the time when the report was issued freely. This system was connected to 287 cities in Santa Catarina; the tests were done in the places of origin and the reports were issued in three tertiary-care hospitals. From 2005 to 2010 the reports were issued freely and a probabilistic method for data analysis was created. An experienced cardiologist evaluated all ECGs to assess the chances of abnormality. RESULTS: 243,363 ECGs were evaluated. The majority (58%) was performed on patients older than 50 years from primary care services (72%). There were differences in the frequency per region; this was partly related to the number of cardiologists/region (r = -0.551), to the distance from tertiary-care centers and potential differences of acceptance of the method. Approximately 53% of the ECGs were abnormal with greater frequency with increasing age (r² = 0.8166) and with significant regional differences (p < 0.0001). CONCLUSIONS: We built a data analysis system integrating prevalent terms, probabilistic analysis and specialized dictionaries. The system has covered a significant portion of the population of Santa Catarina, mainly elderly patients from the network of primary healthcare centers and remote regions of the State.

Reconhecimento e quantificação de expressão de imunoistoquímica empregando aprendizado de métricas de distância / Recognition and quantification of immunohistochemistry expression distance metric learning

Este artigo apresenta uma abordagem de segmentação para o reconhecimento e quantificação de expressão de imunoistoquímica (IHC) através do aprendizado de uma métrica de distância. Este método é baseado em duas etapas: treinamento e segmentação. A etapa de treinamento é realizada pela seleção supervisionada de algumas áreas típicas de expressão de IHC na imagem. Nesta etapa o padrão esperado de IHC é estatisticamente caracterizado, onde ocorre o aprendizado da métrica de distância e um espaço característico é modelado. Através desse espaço são obtidos os mapas de similaridade para cada imagem de IHC, com os níveis de intensidade correspondendo ao grau da reação do biomarcador sobre o tecido. A etapa de segmentação é guiada por um parâmetro de escala que controla a quantidade de áreas marcadas com base nos valores de intensidade dos mapas de similaridade. O método é baseado no aprendizado da distância de Mahalanobis para produzir um espaço característico, para posteriormente ser utilizado na distinção entre marcações positivas de expressão de IHC e tecidos normais, bem como quantificar o grau de intensidade da reação. Os resultados obtidos pelo método proposto foram comparados com a classificação linear no espaço de cores HSV (Hue, Saturation and Value) utilizando diferentes categorias de biomarcadores. Os resultados mostram que os limites da fronteira da distribuição dos padrões são mais bem definidos no método proposto, permitindo assim uma melhor discriminação entre tecidos normais e expressão de IHC.

This paper presents a segmentation approach to the recognition and quantification of immunohistochemistry (IHC) expression employing a distance metric learning method. This method is based in a two-step procedure, training and segmentation. The training step is performed by the supervised selection of a few IHC typical stained areas on image. In that step the desired IHC pattern is statistically characterized, where a distance metric is learned and a featured space is created. With this space, similarity maps are obtained by each IHC image with its intensity levels corresponding to degrees of reaction provided by the biomarker over the tissue. The segmentation step is guided by a scale-space parameter that controls the amount of labeled areas based on intensity values of the similarity maps. This method learns a Mahalanobis distance metric to produce a featured space used to distinguish between IHC positive staining and normal tissues, as well as quantifying the reaction intensity degrees. The results obtained by the proposed method were compared to the linear classification on HSV (Hue, Saturation and Value) color space using different biomarkers categories. The comparison results show that the boundary limits of the pattern distributions are better defined in the proposed method, allowing better discrimination between normal tissues and IHC expression.