Poderia a inteligência artificial ser o futuro do diagnóstico de câncer?
Em um estudo recente, os pesquisadores treinaram um algoritmo para diferenciar entre lesões malignas e benignas em exames de tecido mamário.
Com o câncer, a chave para o sucesso do tratamento é detectá-lo precocemente.
Do jeito que está, os médicos têm acesso a imagens de alta qualidade e radiologistas qualificados podem detectar os sinais reveladores de crescimento anormal.
Uma vez identificado, o próximo passo é o médico verificar se o tumor é benigno ou maligno.
O método mais confiável é fazer uma biópsia, que é um procedimento invasivo.
Mesmo assim, podem ocorrer erros. Algumas pessoas recebem um diagnóstico de câncer onde não há doença, enquanto outras não recebem um diagnóstico quando o câncer está presente.
Ambos os resultados causam angústia e a última situação pode causar atrasos no tratamento.
Os pesquisadores estão empenhados em melhorar o processo de diagnóstico para evitar esses problemas. Detectar se uma lesão é maligna ou benigna de forma mais confiável e sem a necessidade de biópsia seria uma virada de jogo.
Alguns cientistas estão investigando o potencial da inteligência artificial (IA). Em um estudo recente, os cientistas treinaram um algoritmo com resultados encorajadores.
IA e elastografia
A elastografia por ultrassom é uma técnica de diagnóstico relativamente nova que testa a rigidez do tecido mamário. Ele consegue isso vibrando o tecido, o que cria uma onda. Essa onda causa distorção na varredura de ultrassom, destacando áreas da mama onde as propriedades diferem do tecido circundante.
A partir dessas informações, o médico pode determinar se a lesão é cancerosa ou benigna.
Embora este método tenha grande potencial, a análise dos resultados da elastografia é demorada, envolve várias etapas e requer a resolução de problemas complexos.
Recentemente, um grupo de pesquisadores da Escola de Engenharia Viterbi da Universidade do Sul da Califórnia em Los Angeles perguntou se um algoritmo poderia reduzir as etapas necessárias para extrair informações dessas imagens. Eles publicaram seus resultados no jornal Métodos Computacionais em Mecânica Aplicada e Engenharia.
Os pesquisadores queriam ver se eles poderiam treinar um algoritmo para diferenciar entre lesões malignas e benignas em exames de mama. Curiosamente, eles tentaram fazer isso treinando o algoritmo usando dados sintéticos em vez de varreduras genuínas.
Dados sintéticos
Quando questionado sobre por que a equipe usou dados sintéticos, o autor principal, Prof. Assad Oberai, disse que tudo se resume à disponibilidade de dados do mundo real. Ele explica que “no caso de imagens médicas, você tem sorte se tiver 1.000 imagens. Em situações como essa, onde os dados são escassos, esses tipos de técnicas tornam-se importantes. ”
Os pesquisadores treinaram seu algoritmo de aprendizado de máquina, que eles chamam de rede neural convolucional profunda, usando mais de 12.000 imagens sintéticas.
Ao final do processo, o algoritmo era 100% preciso em imagens sintéticas; em seguida, eles passaram para as varreduras da vida real. Eles tiveram acesso a apenas 10 exames: metade dos quais mostraram lesões malignas e a outra metade lesões benignas retratadas.
“Tínhamos uma taxa de precisão de cerca de 80%. Em seguida, continuamos a refinar o algoritmo usando mais imagens do mundo real como entradas. ”
Prof. Assad Oberai
Embora 80% seja bom, não é bom o suficiente - no entanto, este é apenas o início do processo. Os autores acreditam que, se tivessem treinado o algoritmo com dados reais, ele poderia ter mostrado maior precisão. Os pesquisadores também reconhecem que seu teste foi em escala muito pequena para prever as capacidades futuras do sistema.
O crescimento da IA
Nos últimos anos, tem havido um interesse crescente no uso de IA em diagnósticos. Como um autor escreve:
“A IA está sendo aplicada com sucesso para análise de imagem em radiologia, patologia e dermatologia, com velocidade de diagnóstico excedendo e paralelismo de precisão para especialistas médicos”.
No entanto, o Prof. Oberai não acredita que a IA possa substituir um operador humano treinado. Ele explica que “[o] consenso geral é que esses tipos de algoritmos têm um papel significativo a desempenhar, incluindo os profissionais de imagem que terão maior impacto. No entanto, esses algoritmos serão mais úteis quando não servirem como caixas pretas. O que viu que o levou à conclusão final? O algoritmo deve ser explicável para funcionar como pretendido. ”
Os pesquisadores esperam poder expandir seu novo método para diagnosticar outros tipos de câncer. Sempre que um tumor cresce, ele muda a forma como um tecido se comporta, fisicamente. Deve ser possível mapear essas diferenças e treinar um algoritmo para identificá-las.
No entanto, como cada tipo de câncer interage com o ambiente de maneira tão diferente, um algoritmo precisará superar uma série de problemas para cada tipo. O Prof. Oberai já está trabalhando em tomografias computadorizadas de câncer renal para encontrar maneiras de a IA ajudar no diagnóstico.
Embora este seja o início do uso da IA no diagnóstico de câncer, há grandes esperanças para o futuro.
