As tomografias também identificam manchas que posteriormente podem vir a ser câncer. Entretanto, podem confundir manchas benignas com malignas
Denise Grady, The New York Times
Os computadores se saíram melhor do que os médicos na identificação de cânceres do pulmão em tomografias computadorizadas. A experiência faz parte de novo estudo publicado na revista Nature Medicine, permitindo vislumbrar o futuro da Inteligência Artificial na medicina. Uma das áreas mais promissoras é o reconhecimentos de padrões e a interpretação de imagens, a mesma capacidade que os seres humanos usam para ler tomografias na medicina.
Introduzindo enormes quantidades de dados de imagens médicas em sistemas chamados redes neurais artificiais, os pesquisadores podem treinar os computadores a reconhecer padrões relativos a uma doença específica. O sistema segue um algoritmo e aprende à medida que lê. Quanto mais dados recebe, melhor ele se torna.
O processo, conhecido como Deep Learning (Aprendizagem Profunda), já está sendo utilizado para permitir que os computadores compreendam o discurso e identifiquem objetos. Desse modo, um carro automático pode reconhecer um sinal de ‘Pare’, por exemplo.
O Google criou sistemas para ajudar os patologistas a ler as lâminas no microscópio e ajudar os oftalmologistas a detectar doenças dos olhos. No novo estudo, os pesquisadores do Google e de vários centros médicos aplicaram a Inteligência Artificial em tomografias computadorizadas usadas para investigar a existência de um câncer de pulmão, doença que matou 1,7 milhão de pessoas em todo o mundo no ano passado.
Além de descobrir o câncer, as tomografias também podem identificar manchas que posteriormente podem vir a ser câncer. Mas podem não notar tumores ou confundir manchas benignas com malignas. Além disso, os radiologistas que olham para a mesma tomografia poderão ter diferentes opiniões. Os pesquisadores pensaram que os computadores poderiam funcionar melhor. Eles criaram uma rede neural e deram-lhe tomografias de pacientes cujos diagnósticos eram conhecidos.
“Todo o processo de experimentação funciona como um estudante na escola”, disse Daniel Tse, do Google, um dos autores do artigo da revista. “Estamos usando um amplo conjunto de dados para treinar, dar-lhe lições e testes populares para que possa começar a aprender por conta própria o que é câncer, e o que será ou não será câncer no futuro”.
Testado em 6.716 casos com diagnósticos conhecidos, o sistema foi 94% preciso. Contra seis radiologistas de alto nível, não existindo uma tomografia anterior, o modelo de conhecimento profundo teve menos falsos positivos e falsos negativos.
Eric Topol, que escreveu sobre inteligência artificial na medicina, mas não participou do estudo, afirmou que tem “plena confiança de que o que eles encontraram será útil, mas terá de ser provado”. Considerando a alta taxa de falsas leituras em tomografias de pulmões que ocorre atualmente, “não deveria ser difícil reduzir este número”.
Entretanto, um radiologista que se equivoca na leitura de uma tomografia pode prejudicar um paciente, enquanto um sistema de IA com falhas poderá prejudicar vários, alertou Topol. Antes de serem usados no público, afirmou, os sistemas deveriam ser estudados e testados no mundo real. “Estamos colaborando com instituições do mundo inteiro para termos uma noção de como a tecnologia pode ser implementada na prática clínica de maneira produtiva,” disse Tse. “Não queremos ter pressa”. / TRADUÇÃO DE ANNA CAPOVILLA/Estadão
