Publicidade

Correio Braziliense

Inteligência artificial ajuda na detecção precoce do câncer

Sistema identifica minúsculos nódulos malignos no pulmão e até supera radiologistas na análise de imagens de tomografia computadorizada. Para especialistas, a ferramenta não invasiva poderá ajudar na descoberta precoce da doença


postado em 04/06/2019 06:00

Cientistas da Feinberg School of Medicine, na NorthWestern University, nos Estados Unidos, desenvolveram um sistema de inteligência artificial capaz de detectar minúsculos nódulos pulmonares malignos em exames de tomografia computadorizada(foto: Kleber Sales/CB/D.A Press)
Cientistas da Feinberg School of Medicine, na NorthWestern University, nos Estados Unidos, desenvolveram um sistema de inteligência artificial capaz de detectar minúsculos nódulos pulmonares malignos em exames de tomografia computadorizada (foto: Kleber Sales/CB/D.A Press)
O acesso limitado a exames e falhas no diagnóstico dificultam a identificação precoce do câncer de pulmão — o segundo mais comum no Brasil, atrás somente do câncer de pele não melanoma. Segundo o Instituto Nacional de Câncer (Inca), apenas 16% dos casos são descobertos em estágio inicial. Dessa forma, o tratamento para a doença acaba comprometido. Em busca de uma solução para o problema, cientistas da Feinberg School of Medicine, na NorthWestern University, nos Estados Unidos, desenvolveram um sistema de inteligência artificial capaz de detectar minúsculos nódulos pulmonares malignos em exames de tomografia computadorizada. Em testes, a solução superou a avaliação de radiologistas na análise das imagens.

“Essa é a primeira inteligência artificial de câncer de pulmão que examina toda a tomografia computadorizada de uma só vez. Também a primeira com esse nível de precisão”, frisa Mozziyar Etemadi, professor-assistente de pesquisa de anestesiologia da universidade americana e coautor do estudo, divulgado na revista Nature Medicine. A aprendizagem profunda é uma técnica que ensina computadores a aprender pelo exemplo. Primeiro, a ferramenta tem que aprender a ver, e isso é feito mostrando imagens de objetos comuns. Depois, parte-se para a checagem de desempenho.

Mozziyar Etemadi e a equipe forneceram à Google imagens de tomografias computadorizadas de pessoas com câncer de pulmão para que o sistema fosse criado. A empresa o ensinou a ver os exames. Para isso, exibiu uma grande quantidade de imagens com os resultados já conhecidos, que foram assimilados. Em seguida, em uma espécie de teste, o programa teve acesso a exames inéditos e sua resposta foi avaliada.

O pesquisador explica que o sistema identifica uma região de interesse e analisa a probabilidade da existência do tumor. “A aprendizagem profunda pode ser muito mais sensível em sua capacidade de detectar câncer de pulmão precoce do que o olho humano. Isso é tecnicamente como o 4D, porque não é apenas olhar para uma tomografia computadorizada”, explica. A equipe espera que a ferramenta ajude médicos a diagnosticar de forma mais precisa, precoce e eficiente tumores malignos e outras doenças potencialmente fatais.

Segundo o coordenador da Área de Clínica Médica da Faculdade de Medicina da Universidade de Brasília (UnB), Ricardo Luiz de Melo, em procedimentos comuns, se o paciente apresentar nódulos pulmonares inespecíficos, o médico tem que solicitar novas tomografias de pulmão nos intervalos de três, seis, 12 e até de 24 meses. A intenção é identificar se o crescimento do nódulo tem características de malignidade. “Com a nova técnica, se comprovada sua eficácia, basta a comparação dos exames feitos com o intervalo de três meses. Como dito no estudo, o paciente apresenta melhor chance de tratamento se o diagnóstico de câncer de pulmão for firmado precocemente”, diz.

Mais estudos

Em um teste, os cientistas aplicaram a ferramenta em 6.716 conjuntos de tomografias computadorizadas sem identificação. Observaram que o sistema de inteligência artificial detectou nódulos malignos minúsculos no pulmão e superou seis radiologistas na análise das imagens de tomografia computadorizada prévia. Além disso, foram produzidos menos falsos positivos e menos falsos negativos, comparando com os testes tradicionais. o que diminui, por exemplo, o risco de procedimentos desnecessários. 

“O sistema pode categorizar uma lesão com mais especificidade. Não apenas podemos diagnosticar melhor o câncer, como também podemos dizer se alguém não tem a doença, potencialmente livrando-o de uma biópsia pulmonar invasiva, cara e arriscada”, frisa Etemadi. Segundo o cientista, o conceito e a engenharia da ferramenta são novos, mas ele alerta que os resultados precisam ser clinicamente validados em grandes populações de pacientes.

Até o momento, apenas imagens de tomografias computadorizadas antigas foram testadas. Segundo Shravya Shetty, líder técnico da Google e participante do estudo, o próximo passo será fazer um ensaio clínico da ferramenta no uso diário dos radiologistas. “Há muitos desafios no caminho da ampla adoção do rastreamento do câncer de pulmão, mas os resultados são promissores e esperamos continuar nosso trabalho com parceiros e colegas.”


“Não apenas podemos diagnosticar melhor o câncer, como também podemos dizer se alguém 
não tem a doença, potencialmente livrando-o de uma biópsia pulmonar invasiva, cara e arriscada”, Mozziyar Etemadi, professor-assistente de pesquisa da NorthWestern University e coautor do estudo.


Palavra de especialistas: Radiologistas são essenciais

“O radiologista se baseia em algum dos vários protocolos de leitura para a interpretação dos nódulos detectados, como tamanho, textura e contornos, entre outras características. Já um algoritmo de aprendizagem profunda é treinado para detectar automaticamente a lesão suspeita por meio de um treinamento de um banco de dados, cujas características são identificadas pelo próprio algoritmo. Apesar da grande acurácia do método como demonstrado no estudo publicado na Nature Medicine, a atuação do radiologista é muito importante no sentido de analisar os casos eventuais falsos positivos, quando o algoritmo detecta algo que não é câncer e o classifica como câncer e também quando interpreta o caso como negativo e o paciente apresenta câncer. Portanto, ainda é necessária a atuação do médico radiologista para evitar esse tipo de erro.”, Nitamar Abdala, professor adjunto e chefe da disciplina de diagnóstico por imagem da Escola Paulista de Medicina da Universidade Federal de São Paulo (EPM/Unifesp), com Felipe Kitamura e Igor Santos, coordenadores do curso e informática em radiologia da EPM/Unifesp.

Os comentários não representam a opinião do jornal e são de responsabilidade do autor. As mensagens estão sujeitas a moderação prévia antes da publicação

Publicidade