Skip to content

Observatório das Empresas

Inteligência Artificial

Confiaria num algoritmo para diagnosticar uma doença?

Nell Lewis, CNN Business

Os algoritmos de deep learning são excelentes na correspondência de padrões em imagens. Esta técnica poderia otimizar o processo de leitura de exames médicos.

(CNN Business) Confiamos muito nos nossos médicos - ouvimos os seus diagnósticos, levantamos as suas receitas, seguimos as suas sugestões alimentares. Faríamos o mesmo com um computador?

À medida que o mercado global de inteligência artificial (IA) na área da saúde aumenta - deve subir de 1.3 mil milhões $US em 2019 para 10 milhões $US em 2024, de acordo com a Morgan Stanley — parece que vamos ter de fazer isso mesmo.

A aprendizagem profunda é uma abordagem de IA modelada nas redes neurais do cérebro. Pode analisar camadas complexas de informação e identificar anomalias ou tendências em imagens médicas.

IA e olhos

O algoritmo pode detetar doenças como glaucoma a partir de um simples scan.

Os dados de diagnóstico estão a ter um enorme impacto sobre como os exosqueletos e a biónica estão a ajudar as pessoas a caminhar após uma lesão.

Pearse Keane, oftalmologista consultor do Moorfields Eye Hospital, abraçou o potencial da aprendizagem profunda há cinco anos. “Afogamo-nos no número de pacientes que precisamos atender e, por causa disso, algumas pessoas estão a perder a visão irreversivelmente porque não podem ser vistas e tratadas com a rapidez suficiente”, afirmou à CNN Business.

Ao aplicar a tecnologia nos exames OCT (Tomografia de Coerência Ótica), achou que ajudaria a priorizar pacientes com doenças que ameaçam a visão.

Keane entrou em contacto com o DeepMind, um centro de pesquisa de IA no Reino Unido, pertencente à Google, e com eles desenvolveu um algoritmo, treinado em 14.884 exames de retina, que pode fornecer um diagnóstico detalhado em aproximadamente 30 segundos.

Pode detetar 50 doenças oculares diferentes, incluindo glaucoma, retinopatia diabética e degeneração macular relacionada com a idade, fornecer uma pontuação e recomendar a urgência de encaminhamento para atendimento dos pacientes.

Os primeiros resultados do sistema, publicados na revista Nature Medicine, mostram que tem o mesmo nível de precisão dos principais especialistas, identificando corretamente os tipos de doenças oculares em 94,5% dos casos.

No entanto, antes que a técnica possa ser implementada no Moorfields Eye Hospital e em outros, deve passar pelo longo processo de aprovação regulatória e ensaios clínicos.

“Estamos tremendamente empolgados com a IA”, diz Keane, “mas também somos cautelosos. Sabemos que tem um enorme potencial, mas existem algumas maneiras de não funcionar.”

Melhorar a IVF

Esta tecnologia pode ajudar a melhorar a taxa de sucesso da fertilização in vitro.

Os cientistas da Weill Cornell Medicine também estão a implementar algoritmos de aprendizagem profunda como um dispositivo que economiza tempo, identificando quais os embriões que têm melhores chances de se tornarem numa gravidez saudável durante a fertilização in vitro (IVF).

O algoritmo, apelidado de Stork (Cegonha), analisa imagens de lapso de tempo de embriões em estágio inicial e é capaz de discriminar entre má e boa qualidade do embrião. De acordo com o trabalho de pesquisa publicado na NPJ Digital Medicine, obteve 97% de precisão.

Geralmente, esse é um processo manual, no qual um embriologista classifica várias imagens, atribuindo um índice de qualidade que os ajuda a decidir quais implantar primeiro.

“A classificação do embrião por um ser humano é muito subjetiva”, afirma Nikica Zaninovic, embriologista do Centro de Medicina Reprodutiva da Weill Cornell Medicine, à CNN Business. “Usar a IA para classificar os embriões significa que podemos fazer alguma padronização”.

A ferramenta também teria um impacto positivo no processo de fertilização in vitro como um todo. Poderia melhorar a taxa de sucesso, minimizar o risco de gravidez múltipla e ajudar a reduzir o custo do procedimento, afirma Zev Rosenwaks, diretor do Centro de Medicina Reprodutiva da Weill Cornell Medicine.

Atualmente, a ferramenta está disponível apenas para embriologistas da Weill Cornell Medicine num ambiente experimental. Espera vê-la praticada mais amplamente “dentro de um ou dois anos”, diz Zaninovic.

Prever o risco de cancro

Um algoritmo, desenvolvido por investigadores do MIT, pode identificar o risco de cancro da mama de uma mulher e ajudar a detetá-lo mais cedo.

Uma iniciativa do Computer Science e do AI Lab do MIT pode prever a partir de uma mamografia a probabilidade de uma paciente desenvolver cancro de mama no futuro.

O modelo, treinado em exames de mama de 60.000 mulheres, aprendeu padrões no tecido mamário precursores do cancro e demasiado subtis para o olho humano detetar. Superou as abordagens existentes, colocando 31% dos pacientes com cancro na sua categoria de maior risco em comparação com 18% nos modelos tradicionais.

“Eu estava interessada em criar um modelo que pudesse identificar o risco futuro de cancro”, afirma Regina Barzilay, professora do MIT e autora sénior do estudo publicado na Radiology acerca do projeto.

 

Enquanto sobrevivente de cancro de mama, ela posteriormente aplicou a tecnologia nas suas próprias mamografias. “Descobri que o meu cancro estava no peito dois anos antes de eu ser diagnosticada”, afirma.

Com 43 anos na época e sem histórico de cancro de mama na família, ela nunca se considerou em risco. Mas diretrizes como essas não são fiáveis, afirma - apenas 15% a 20% dos casos de cancro de mama são familiares, de acordo com um estudo da Journal of Medical Genetics.

O uso de IA pode identificar mulheres em risco e ajudá-las a tomarem medidas preventivas. “Nos estágios iniciais, o cancro é uma doença tratável... Se conseguirmos identificar muito mais mulheres com antecedência, ou prevenir a sua doença ou tratá-la nos estágios iniciais, isso fará uma enorme diferença”, diz Barzilay.

O modelo foi implementado no Massachusetts General Hospital e estão em conversação com outros hospitais em todo o país e internacionalmente, afirma Barzilay.

Em associação com

cnn-business