Estudos recentes têm mostrado a capacidade dos sistemas de inteligência artificial em diagnosticar clinicamente doenças importantes
Sistemas de inteligência artificial (IA) já existem há algum tempo e agora estão ficando mais inteligentes e melhores com o tempo. AI tem aplicações em diversas áreas e agora é parte integrante da maioria dos campos. A IA pode ser um componente essencial e útil da médico ciência e pesquisa, pois tem imenso potencial para impactar o setor de saúde.
Inteligência Artificial no diagnóstico médico?
O tempo é o recurso mais valioso na área da saúde e o diagnóstico precoce e adequado é muito importante para o resultado final de uma doença. Os cuidados de saúde são muitas vezes um processo moroso e que consome tempo e recursos, atrasando o diagnóstico eficaz e, por sua vez, atrasando o tratamento correto. AI pode ajudar a preencher a lacuna entre a disponibilidade e o gerenciamento do tempo dos médicos, incorporando rapidez e precisão no diagnóstico dos pacientes. Poderia ajudar a superar as limitações de recursos e de profissionais de saúde, especialmente em países de baixo e médio rendimento. IA é um processo de aprendizagem e pensamento, assim como seres humanos através de um conceito chamado deep-learning. O aprendizado profundo utiliza amplos conjuntos de dados de amostra para criar árvores de decisão por si só. Com esta aprendizagem profunda, um sistema de IA pode realmente pensar como os humanos, se não melhor, e, portanto, a IA pode ser considerada adequada para realizar tarefas médicas. Ao diagnosticar pacientes, os sistemas de IA continuam procurando padrões entre pacientes com as mesmas doenças. Com o tempo, esses padrões podem construir uma base para a previsão de doenças antes que elas se manifestem.
Em um estudo recente1 publicado em Célula, os pesquisadores usaram artificial técnicas de inteligência e aprendizado de máquina para desenvolver uma nova ferramenta computacional para selecionar pacientes com doenças retinais comuns, mas que podem causar cegueira, acelerando o diagnóstico e o tratamento. Os pesquisadores usaram uma rede neural baseada em IA para revisar mais de 200,000 varreduras oculares realizadas com uma tecnologia não invasiva que reflete a luz na retina para criar representações 2D e 3D do tecido. Eles então empregaram uma técnica chamada "aprendizagem por transferência", na qual o conhecimento obtido na solução de um problema é armazenado por um computador e aplicado a problemas diferentes, mas relacionados. Por exemplo, uma rede neural AI otimizada para reconhecer as estruturas anatômicas discretas do olho, como a retina, córnea ou nervo óptico, pode identificá-las e avaliá-las com mais rapidez e eficiência ao examinar imagens de um olho inteiro. Este processo permite que o sistema de IA aprenda gradualmente com um conjunto de dados muito menor do que os métodos tradicionais, que exigem grandes conjuntos de dados, tornando-os caros e demorados.
O estudo concentrou-se em duas causas comuns de cegueira irreversível que são tratáveis quando detectadas precocemente. Os diagnósticos derivados de máquinas foram comparados com os diagnósticos de cinco oftalmologistas que revisaram os mesmos exames. Além de fazer um diagnóstico médico, a plataforma de IA também gerou uma recomendação de encaminhamento e tratamento que não foi feita em nenhum estudo anterior. Este sistema de IA treinado agia como um oftalmologista bem treinado e poderia gerar uma decisão em 30 segundos sobre se o paciente deveria ou não ser encaminhado para tratamento, com mais de 95% de precisão. Eles também testaram a ferramenta de IA no diagnóstico de pneumonia infantil, uma das principais causas de morte em crianças (com menos de 5 anos) em todo o mundo, com base em análises mecânicas de radiografias de tórax. Curiosamente, o programa de computador foi capaz de diferenciar entre vírus e bacteriana pneumonia com mais de 90% de precisão. Isto é crucial porque, embora a pneumonia viral seja naturalmente eliminada pelo corpo após o seu curso, a pneumonia bacteriana, por outro lado, tende a ser uma ameaça mais grave à saúde e requer tratamento imediato com antibióticos.
Em outro grande salto2 Em sistemas de inteligência artificial para diagnóstico médico, os cientistas descobriram que as fotos tiradas da retina de um indivíduo podem ser analisadas por algoritmos de aprendizado de máquina ou software para prever o risco cardiovascular através da identificação de sinais indicativos de doença cardíaca. O status dos vasos sanguíneos do olho que é capturado nas fotografias foi mostrado para prever com precisão idade, sexo, etnia, pressão arterial, qualquer ataque cardíaco anterior e hábitos de fumar e todos esses fatores coletivamente predizem doenças relacionadas ao coração em um indivíduo.
O olho como bloco de informação
A ideia de olhar as fotografias do olho para fazer um diagnóstico de saúde já existe há algum tempo. Está bem estabelecido que a parede interna posterior dos olhos humanos possui muitos vasos sanguíneos que refletem a saúde geral do corpo. Ao estudar e analisar a aparência desses vasos sanguíneos com uma câmera e um microscópio, muitas informações sobre a pressão sanguínea de um indivíduo, idade, fumante ou não fumante etc. podem ser previstas e todos esses são indicadores importantes da saúde do coração de um indivíduo . As doenças cardiovasculares (DCV) são a causa número um de morte em todo o mundo e mais pessoas morrem de DCVs em comparação com qualquer outra doença ou condição. Isso é mais prevalente em países de baixa e média renda e é um grande fardo para a economia e a humanidade. O risco cardiovascular depende de uma série de fatores como genes, idade, etnia, sexo, em combinação com exercícios e dieta alimentar. A maioria das doenças cardiovasculares pode ser evitada abordando os riscos comportamentais, como uso de tabaco, obesidade, sedentarismo e dieta pouco saudável, fazendo mudanças significativas no estilo de vida para lidar com os possíveis riscos.
Diagnóstico de saúde usando imagens da retina
Este estudo conduzido por pesquisadores do Google e sua própria empresa de tecnologia de saúde, Verily Life Sciences, mostrou que um algoritmo de inteligência artificial foi usado em um grande conjunto de dados de fotografias da retina de cerca de 280,000 pacientes e este algoritmo foi capaz de prever com sucesso fatores de risco cardíaco em dois completamente conjuntos de dados independentes de cerca de 12000 e 1000 pacientes com uma precisão razoavelmente boa. O algoritmo utilizou fotografia inteira da retina para quantificar a associação entre a imagem e o risco de ataque cardíaco. Este algoritmo pode prever um evento cardiovascular 70 por cento do tempo em um paciente e, de fato, um fumante e um não fumante também foram distinguidos neste teste 71 por cento das vezes. O algoritmo também pode prever a pressão alta, indicando uma condição cardíaca, e prever a pressão arterial sistólica - a pressão nos vasos quando o coração bate - dentro de uma faixa da maioria dos pacientes com ou sem pressão alta. A precisão dessa previsão, segundo os autores, é muito semelhante a uma verificação cardiovascular em laboratório, onde o sangue é retirado do paciente para medir os níveis de colesterol em paralelo com a história do paciente. O algoritmo neste estudo, publicado em Engenharia Biomédica da Natureza, com maior probabilidade também poderia prever a ocorrência de um evento cardiovascular importante - por exemplo, um ataque cardíaco.
Um aspecto extremamente interessante e crucial desses estudos é que o computador pode dizer para onde está olhando em uma imagem para chegar a um diagnóstico, o que nos permite entender o processo de previsão. Por exemplo, o estudo do Google mostrou exatamente “quais partes da retina” contribuíram para o algoritmo de previsão, ou seja, como o algoritmo estava fazendo a previsão. Esse entendimento é importante não apenas para entender o método de aprendizado de máquina neste caso específico, mas também para gerar confiança e fé em toda a metodologia, tornando-a transparente.
Desafios
Essas imagens médicas apresentam seus desafios porque observar e, em seguida, quantificar associações com base em tais imagens não é simples, principalmente por causa de vários recursos, cores, valores, formas, etc. nessas imagens. Este estudo usa o aprendizado profundo para extrair as conexões, associações e relações entre as mudanças na anatomia humana (morfologia interna do corpo) e a doença, da mesma forma que um profissional de saúde faria quando está correlacionando os sintomas de pacientes com uma doença . Esses algoritmos requerem mais testes antes de serem usados em um ambiente clínico.
Apesar das discussões e desafios, a IA tem um enorme potencial para revolucionar o diagnóstico e o gerenciamento de doenças, fazendo análises e classificações que envolvem imensas quantidades de dados que são difíceis para os especialistas em humanos. Ele fornece ferramentas de diagnóstico alternativas baseadas em imagens rápidas, econômicas e não invasivas. Os fatores importantes para o sucesso dos sistemas de IA seriam maior poder computacional e mais experiência das pessoas. Em um futuro provável, novos insights médicos e diagnósticos podem ser alcançados com IA sem direção ou supervisão humana.
***
{Você pode ler o artigo de pesquisa original clicando no link DOI fornecido abaixo na lista de fontes citadas}
Fontes)
1. Kermany DS et al. 2018. Identificação de diagnósticos médicos e doenças tratáveis por aprendizado profundo baseado em imagens. Célula. 172 (5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. Predição de fatores de risco cardiovascular a partir de fotografias do fundo da retina por meio de aprendizado profundo. Nature Biomedical Engineering. 2 https://doi.org/10.1038/s41551-018-0195-0
