Inteligência artificial melhor do que humanos para detectar câncer de pulmão
Os pesquisadores usaram um algoritmo de aprendizado profundo para detectar o câncer de pulmão com precisão a partir de tomografias computadorizadas. Os resultados do estudo indicam que a inteligência artificial pode superar a avaliação humana dessas varreduras.
O câncer de pulmão causa quase 160.000 mortes nos Estados Unidos, de acordo com as estimativas mais recentes. A condição é a principal causa de morte relacionada ao câncer nos EUA, e a detecção precoce é crucial para interromper a disseminação de tumores e melhorar os resultados dos pacientes.
Como alternativa às radiografias de tórax, os profissionais de saúde têm usado recentemente exames de tomografia computadorizada (TC) para detectar o câncer de pulmão.
Na verdade, alguns cientistas argumentam que as tomografias computadorizadas são superiores às radiografias para a detecção do câncer de pulmão, e a pesquisa mostrou que a tomografia computadorizada de baixa dosagem (LDCT) em particular reduziu as mortes por câncer de pulmão em 20%.
No entanto, uma alta taxa de falsos positivos e falsos negativos ainda atrapalha o procedimento de LDCT. Esses erros geralmente atrasam o diagnóstico de câncer de pulmão até que a doença alcance um estágio avançado, quando se torna muito difícil de tratar.
Novas pesquisas podem proteger contra esses erros. Um grupo de cientistas usou técnicas de inteligência artificial (IA) para detectar tumores de pulmão em exames de LDCT.
Daniel Tse, do grupo de Pesquisa em Saúde do Google em Mountain View, CA, é o autor correspondente do estudo, cujas descobertas aparecem na revista Nature Medicine.
‘Modelo superou todos os seis radiologistas’
Tse e colegas aplicaram uma forma de IA chamada aprendizagem profunda a 42.290 varreduras LDCT, que eles acessaram do Northwestern Electronic Data Warehouse e outras fontes de dados pertencentes aos hospitais Northwestern Medicine em Chicago, IL.
O algoritmo de aprendizado profundo permite que os computadores aprendam pelo exemplo. Nesse caso, os pesquisadores treinaram o sistema usando uma varredura primária de LDCT junto com uma varredura de LDCT anterior, se disponível.
As varreduras de LDCT anteriores são úteis porque podem revelar uma taxa de crescimento anormal de nódulos pulmonares, indicando assim malignidade.
No estudo atual, o AI forneceu um “sistema de avaliação de imagem automatizado” que previu com precisão a malignidade dos nódulos pulmonares sem qualquer intervenção humana.
Os pesquisadores compararam as avaliações do AI com as de seis radiologistas norte-americanos certificados, que tinham até 20 anos de experiência clínica.
Quando os exames de LDCT anteriores não estavam disponíveis, o modelo AI “superou todos os seis radiologistas com reduções absolutas de 11% em falsos positivos e 5% em falsos negativos”, relatam Tse e colegas. Quando as imagens anteriores estavam disponíveis, o IA teve um desempenho tão bom quanto os radiologistas.
O coautor do estudo, Dr. Mozziyar Etemadi, professor assistente de pesquisa em anestesiologia da Escola de Medicina Feinberg da Northwestern University, em Chicago, explica por que a IA pode superar a avaliação humana.
“Os radiologistas geralmente examinam centenas de imagens 2D ou‘ fatias ’em uma única tomografia computadorizada, mas este novo sistema de aprendizado de máquina visualiza os pulmões em uma única imagem 3D enorme”, diz Dr. Etemadi.
“AI em 3D pode ser muito mais sensível em sua capacidade de detectar câncer de pulmão precoce do que o olho humano olhando para imagens 2D. Isso é tecnicamente '4D' porque não é apenas olhar para uma tomografia computadorizada, mas duas (a varredura atual e anterior) ao longo do tempo. ”
Dr. Mozziyar Etemadi
“Para construir a IA para visualizar os TCs dessa forma, você precisa de um enorme sistema de computador na escala do Google”, continua ele. “O conceito é novo, mas a engenharia real dele também é nova por causa da escala.”
Dr. Etemadi prossegue enaltecendo os benefícios do uso da tecnologia de aprendizado profundo, enfatizando sua precisão. “O sistema pode categorizar uma lesão com mais especificidade”, diz a pesquisadora.
“Não apenas podemos diagnosticar melhor alguém com câncer, também podemos dizer se alguém não tem câncer, potencialmente salvando-o de uma biópsia pulmonar invasiva, cara e arriscada”, conclui o Dr. Etemadi.
Os pesquisadores alertam, no entanto, que primeiro é necessário validar esses resultados em coortes maiores.