BPD-Neo: um conjunto de dados de RM para segmentação de pulmão-traqueia com dados clínicos para displasia broncopulmonar neonatal

Por que pulmões minúsculos importam

Cada ano, muitos bebês nascem prematuros, com pulmões ainda em desenvolvimento. Esses pulmões frágeis podem levar a uma condição grave chamada displasia broncopulmonar (DBP), que frequentemente mantém os recém-nascidos na unidade de terapia intensiva por semanas ou meses. Os médicos gostariam de ver o interior desses peitos minúsculos em três dimensões, de forma segura e detalhada, para entender o que está dando errado e como ajudar. Este artigo apresenta um novo conjunto de dados aberto que reúne exames avançados de ressonância magnética, contornos cuidadosos dos pulmões e da traqueia e informações clínicas essenciais de 40 recém-nascidos prematuros, oferecendo aos pesquisadores uma nova ferramenta poderosa para estudar e quantificar doenças nos menores pacientes.

De radiografias planas a vistas 3D

Hoje, radiografias realizadas à beira do leito são o método rotineiro para monitorar recém-nascidos prematuros em unidades de terapia intensiva, mas mostram apenas imagens planas em duas dimensões e expõem os bebês a radiação repetida. Tomografia computadorizada (TC) pode revelar a estrutura tridimensional, mas utiliza doses ainda maiores de radiação e é raramente empregada nesses recém-nascidos. A ressonância magnética (RM) oferece um caminho diferente: fornece imagens tridimensionais detalhadas de tecidos moles sem radiação e pode ser feita enquanto os bebês respiram tranquilamente e estão enrolados, frequentemente sem sedação. Neste estudo, a equipe utilizou uma técnica de RM robusta ao movimento chamada StarVIBE, bem adaptada para bebês inquietos, para capturar imagens 3D de alta resolução dos pulmões e da via aérea principal.

Construindo um retrato cuidadoso das vias aéreas diminutas

Os pesquisadores escanearam 40 bebês com menos de seis meses, a maioria com algum grau de DBP, usando um aparelho de RM localizado diretamente na unidade neonatal de terapia intensiva. Para proteger a audição e o conforto, os bebês foram alimentados, enrolados e receberam proteção sonora em camadas, enquanto enfermeiros monitoravam de perto os sinais vitais. Após a aquisição, especialistas em imagem usaram uma ferramenta de software para traçar os pulmões e a traqueia em três dimensões. Colocaram pontos-semente dentro de cada estrutura e deixaram um algoritmo computacional expandir as regiões para fora, seguido de suavização e correções manuais meticulosas. Esses contornos finalizados foram salvos como arquivos separados que emparelham exatamente com os dados originais de RM, e um segundo especialista resegmentou um subconjunto de exames para que pudessem ser medidas as diferenças entre revisores humanos.

Acrescentando detalhes clínicos aos dados de imagem

Junto com as imagens, o conjunto de dados inclui informações clínicas básicas, porém importantes, para cada bebê, como peso ao nascer, comprimento, sexo, idade gestacional ao nascer, idade no momento do exame e uma classificação moderna da gravidade da DBP usando os critérios de Jensen de 2019. Como cada registro de dados está totalmente desidentificado e vinculado apenas por um código do estudo, a privacidade das famílias é preservada. Ter esses detalhes médicos junto com as formas 3D dos pulmões e das vias aéreas permite que pesquisadores explorem como mudanças estruturais nos pulmões se relacionam com a prematuridade, o peso e a gravidade dos problemas respiratórios. Por exemplo, cientistas podem calcular o volume pulmonar total, ajustá-lo pelo tamanho corporal e criar mapas de variação do sinal do tecido pulmonar, o que pode refletir cicatrização, hiperinsuflação ou áreas colapsadas.

Ensinando computadores a delinear estruturas minúsculas

Para demonstrar o que pode ser feito com esse recurso, os autores treinaram modelos computacionais conhecidos como U‑Nets para localizar e delinear automaticamente pulmões e traqueias nas imagens de RM. Esses modelos aprendem a partir de exemplos: eles veem muitos pares de imagens e contornos feitos por especialistas e então tentam produzir contornos semelhantes em exames não vistos. Usando um procedimento rigoroso de validação cruzada, o modelo pulmonar teve desempenho excelente, alcançando concordância com especialistas humanos próxima ao nível de concordância entre dois especialistas. A traqueia, uma estrutura muito menor e de sinal mais fraco na RM, mostrou‑se mais desafiadora. Tanto humanos quanto algoritmos apresentaram maior discordância ao delineá‑la, e os contornos automáticos da traqueia foram menos precisos e mais sensíveis a diferenças no tamanho corporal e nas condições de imagem.

O que isso significa para recém-nascidos frágeis

O conjunto de dados BPD‑Neo fornece, pela primeira vez, um pacote de acesso livre contendo exames de RM 3D, formas de pulmões e vias aéreas traçadas por especialistas e dados clínicos emparelhados para recém-nascidos prematuros em risco de doença pulmonar crônica. Ao mostrar que ferramentas automatizadas já conseguem igualar o desempenho humano para volumes pulmonares e ao indicar onde os métodos atuais ainda enfrentam dificuldades — como na pequena traqueia — o trabalho estabelece a base para medições da saúde pulmonar em recém-nascidos mais rápidas, melhores e mais objetivas. A longo prazo, imagens e análises aprimoradas podem ajudar médicos a detectar fraqueza das vias aéreas e lesão pulmonar mais cedo, personalizar tratamentos com mais precisão e reduzir o ônus da DBP para crianças e suas famílias.

Citação: Saluja, R., Kovanlikaya, A., Chien, C. et al. BPD-Neo: An MRI Dataset for Lung-Trachea Segmentation with Clinical Data for Neonatal Bronchopulmonary Dysplasia. Sci Data 13, 659 (2026). https://doi.org/10.1038/s41597-026-07006-8

Palavras-chave: pulmões de recém-nascidos prematuros, displasia broncopulmonar, RM neonatal, segmentação pulmonar, conjunto de dados de imagens médicas