Uma tomografia computadorizada colorida mostrando um tumor no pulmão. A inteligência artificial era tão boa, e às vezes melhor, do que os médicos no diagnóstico de tumores de pulmão em exames de tomografia computadorizada, indica um novo estudo.
Num paper publicado ontem na Nature Medicine, pesquisadores do Google mostram que um algoritmo de inteligência artificial foi capaz de detectar cânceres pulmonares em estágio inicial, baseando-se em imagens de tomografia computadorizada, com maior índice de acerto do que médicos. É só o início. (New York Times).
Computadores eram tão bons ou melhores do que os médicos em detectar minúsculos cânceres de pulmão em exames de tomografia computadorizada, em um estudo realizado por pesquisadores do Google e vários centros médicos.
A tecnologia é um trabalho em andamento, não pronto para uso generalizado, mas o novo relatório , publicado segunda-feira na revista Nature Medicine, oferece um vislumbre do futuro da inteligência artificial na medicina.
Uma das áreas mais promissoras é reconhecer padrões e interpretar imagens – as mesmas habilidades que os humanos usam para ler lâminas de microscópio, raios-X, ressonância magnética e outras imagens médicas.
Ao alimentar enormes quantidades de dados de imagens médicas em sistemas chamados redes neurais artificiais, os pesquisadores podem treinar computadores para reconhecer padrões ligados a uma condição específica, como pneumonia, câncer ou uma fratura no punho que seria difícil para uma pessoa ver. O sistema segue um algoritmo, ou conjunto de instruções, e aprende como vai. Quanto mais dados receber, melhor será a interpretação.
O processo, conhecido como deep learning, já está sendo usado em muitos aplicativos, como permitir que os computadores entendam a fala e identifiquem objetos, de modo que um carro autônomo reconheça um sinal de parada e distinga um pedestre de um poste telefônico. Na medicina, o Google já criou sistemas para ajudar os patologistas a ler lâminas de microscópio para diagnosticar o câncer e ajudar os oftalmologistas a detectar doenças oculares em pessoas com diabetes.
“Temos alguns dos maiores computadores do mundo”, disse o Dr. Daniel Tse, gerente de projetos do Google e autor do artigo. “Começamos a querer expandir os limites da ciência básica para encontrar aplicativos interessantes e interessantes para trabalhar.”
No novo estudo, os pesquisadores aplicaram inteligência artificial a exames de tomografia computadorizada usados para rastrear pessoas em busca de câncer de pulmão, o que causou 160.000 mortes nos Estados Unidos no ano passado e 1.7 milhões em todo o mundo. Os exames são recomendados para pessoas com alto risco devido a uma longa história de tabagismo.
Estudos descobriram que a triagem pode reduzir o risco de morrer de câncer de pulmão. Além de encontrar cânceres definitivos, os exames também podem identificar pontos que podem se tornar câncer posteriormente, para que os radiologistas possam classificar os pacientes em grupos de risco e decidir se precisam de biópsias ou exames de acompanhamento mais frequentes para acompanhar as regiões suspeitas.
Mas o teste tem armadilhas: pode perder tumores, ou confundir manchas benignas com malignidades e levar os pacientes a procedimentos invasivos e arriscados, como biópsias pulmonares ou cirurgias. E os radiologistas que analisam o mesmo exame podem ter opiniões diferentes sobre isso.
Os pesquisadores pensaram que os computadores poderiam fazer melhor. Eles criaram uma rede neural, com múltiplas camadas de processamento, e treinaram-na, fornecendo-lhe muitas tomografias de pacientes cujos diagnósticos eram conhecidos: alguns tinham câncer de pulmão, outros não e alguns tinham nódulos que mais tarde se tornaram cancerosos.
Então, eles começaram a testar sua habilidade diagnóstica.
“Todo o processo de experimentação é como um estudante na escola”, disse Tse. “Estamos usando um grande conjunto de dados para treinamento, dando lições e questionários para que ele possa começar a aprender por si mesmo o que é câncer e o que será ou não o câncer no futuro. Fizemos um exame final de dados que nunca são vistos depois que passamos muito tempo treinando, e o resultado que vimos no exame final – obteve um A. ”
Testado contra 6.716 casos com diagnósticos conhecidos, o sistema foi 94 por cento preciso. A despeito de seis especialistas radiologistas, quando nenhum escaneamento prévio estava disponível, o modelo de aprendizagem profunda batia nos médicos: ele tinha menos falsos positivos e falsos negativos. Quando uma varredura anterior estava disponível, o sistema e os médicos eram pescoço e pescoço.
A capacidade de processar grandes quantidades de dados pode possibilitar que a inteligência artificial reconheça padrões sutis que os humanos simplesmente não podem ver.
“Pode começar como algo que não podemos ver, mas isso pode abrir novas linhas de investigação”, disse o Dr. Mozziyar Etemadi, professor assistente de pesquisa em anestesiologia da Faculdade de Medicina Feinberg da Universidade Northwestern, e autor do estudo. .
O Dr. Eric Topol, diretor do Scripps Research Translational Institute em La Jolla, Califórnia, que escreveu extensivamente sobre inteligência artificial em medicina, disse: “Estou bastante confiante de que o que eles descobriram será útil, mas tem que ser provado. ”O Dr. Topol não estava envolvido no estudo.
Dada a alta taxa de falsos positivos e falsos negativos nos exames de pulmão, como ele faz atualmente, ele disse: “Pulmão CT para fumantes, é tão ruim que é difícil fazer isso piorar”.
LEIA A MATÉRIA EM INGLÊS AQUI: https://www.nytimes.com/2019/05/20/health/cancer-artificial-intelligence-ct-scans.html?utm_source=meio&utm_medium=email