Google treina algoritmo de deep learning para rastrear câncer de pulmão em exames de imagem
O rastreamento do câncer de pulmão por tomografia computadorizada com baixa dose de radiação (TCBD) é recomendado para populações específicas, mas, embora tenha sido demonstrado que o seu uso reduz a mortalidade, ainda existem desafios relacionados com esta tecnologia, como a variabilidade entre avaliadores e altas taxas de resultados falso-positivos e falso-negativos.
A inteligência artificial pode ajudar a contornar algumas dessas limitações, sugere um novo estudo.
Pesquisadores do Google treinaram um algoritmo de deep learning para identificar lesões malignas nos pulmões utilizando mais de 42.000 exames de tomografia computadorizada (TC). Na avaliação feita pelos algoritmos, a incidência de falso-positivos e de falso-negativos foi 11% e 5% menor, respectivamente, em comparação com a revisão feita por radiologistas capacitados, que analisaram as mesmas imagens.
Embora os resultados sejam provocadores, os autores advertiram que esses achados precisam ser validados clinicamente em uma grande população de pacientes.
O estudo foi publicado on-line em 20 de maio no periódico Nature Medicine.
"No estudo, mostramos que a inteligência artificial tem o potencial de melhor diagnosticar os pacientes com câncer e de identificar os que não têm câncer", disse o coautor do estudo, Dr. Mozziyar Etemadi, médico e professor assistente de pesquisa em anestesiologia da Northwestern University Feinberg School of Medicine, em Chicago, Illinois.
"Todos os dados utilizados no estudo foram retrospectivos, o próximo passo é realizar um estudo prospectivo para verificar se a ferramenta, quando usada por um radiologista, pode contribuir para diagnósticos mais precoces e precisos do câncer e, se tudo der certo, também para melhores desfechos para os pacientes."
O Dr. Mozziyar disse ao Medscape que os pesquisadores ainda estão fazendo o planejamento, mas que estão avançando rapidamente para iniciar o estudo. "O ideal é um estudo desses tenha uma população grande e diversificada de pacientes, mas isso é um desafio significativo", disse o Dr. Mozziyar. "Os sistemas computacionais dos hospitais não foram feitos para trabalhar bem em conjunto, imagine então algo tão avançado quanto um algoritmo de inteligência artificial, que roda na nuvem. Uma grande parte do que a minha equipe está fazendo agora é construir esse 'middleware', para tornar isso uma realidade".
Ele ressaltou que ainda há trabalho pela frente, em colaboração com o Google, para compreender exatamente como um radiologista ou outro médico gostaria de usar a inteligência artificial.
"Isso faz parte de um processo de trabalho que já existe? Vamos criar um processo de trabalho em separado? Essas são perguntas muito interessantes, e estamos trabalhando ativamente para respondê-las", enfatizou. "Como engenheiro e médico, isso é realmente a realização de um sonho".
Novos métodos são necessários
O rastreamento para o câncer de pulmão por TCBD é recomendado pela Preventive Services Task Force norte-americana para certos grupos de alto risco. Mas um problema recorrente com o rastreamento por TCBD é a alta taxa de falso-positivos. O resultado positivo de aproximadamente um quarto (24%) desses exames exige acompanhamento – mas 96% desses achados são falso-positivos. Isso motivou os pesquisadores a buscarem novos métodos de diferenciação entre nódulos malignos e benignos.
Um grupo da University of Pittsburgh, por exemplo, incorporou um algoritmo de machine learning para melhorar a predição do câncer de pulmão. Nesse modelo, eles integraram características de um exame de TCBD a outros dados clínicos e comorbidades.
Fonte: medscape
Acesse nossos serviços