IA e radiologistas pode identificar o câncer de mama com mais precisão!
Segundo um novo estudo, uma ferramenta de inteligência artificial (IA) – treinada em aproximadamente um milhão de imagens de mamografia – conseguiu identificar o câncer de mama com aproximadamente 90% de precisão quando combinado com a análise de radiologistas.
IA para identificar o câncer de Mama
Liderado por pesquisadores da Universidade de Nova York, EUA, o estudo examinou a capacidade de um tipo de IA, um programa de computador para aprendizado de máquina, de agregar valor aos diagnósticos alcançados por um grupo de 14 radiologistas ao revisarem 720 imagens de mamografia.
“Nosso estudo descobriu que a IA identificou padrões relacionados ao câncer nos dados que os radiologistas não podiam e vice-versa. A IA detectou alterações no nível de pixels nos tecidos invisíveis ao olho humano, enquanto os humanos usavam formas de raciocínio não disponíveis para a IA. O objetivo final do nosso trabalho é aumentar, não substituir, os radiologistas humanos”, diz o autor sênior do estudo, Krzysztof J. Geras, professor assistente do Departamento de Radiologia da Universidade de Nova York.
Em 2014, mais de 39 milhões de exames de mamografia foram realizados nos Estados Unidos para rastrear mulheres (sem sintomas) para câncer de mama e determinar as que precisam de acompanhamento mais próximo. As mulheres cujos resultados dos exames produzem resultados anormais de mamografia são encaminhadas para biópsia, um procedimento que remove uma pequena amostra de tecido mamário para exames laboratoriais.
Uma nova ferramenta para identificar o câncer de mama
No novo estudo, a equipe de pesquisa projetou técnicas estatísticas que permitem ao programa “aprender” como melhorar uma tarefa sem saber exatamente como. Tais programas constroem modelos matemáticos que permitem a tomada de decisões com base em exemplos de dados fornecidos a eles, com o programa ficando “mais inteligente” à medida que analisa cada vez mais dados.
As abordagens modernas de IA, inspiradas no cérebro humano, usam circuitos complexos para processar informações em camadas, com cada passo inserindo informações no próximo e atribuindo mais ou menos importância a cada informação ao longo do caminho.
Os autores do estudo atual treinaram sua ferramenta de IA em muitas imagens correspondentes aos resultados das biópsias realizadas no passado. Seu objetivo era habilitar a ferramenta para ajudar os radiologistas a reduzir o número de biópsias necessárias para avançar. Isso só pode ser alcançado, diz o Dr. Geras, aumentando a confiança que os médicos têm na precisão das avaliações feitas para os exames de triagem (por exemplo, reduzindo os resultados falso-positivos e falso-negativos).
Para o estudo atual, a equipe de pesquisa analisou imagens que foram coletadas como parte dos cuidados clínicos de rotina na Universidade de Nova York por sete anos, analisando os dados coletados e conectando as imagens aos resultados da biópsia. Esse esforço criou um conjunto de dados extraordinariamente grande para que a ferramenta de IA pudesse treinar, dizem os autores, consistindo em 229.426 exames de mamografia digital e mais de 1 milhão de imagens. A maioria dos bancos de dados usados em estudos até o momento foram limitados a 10.000 imagens ou menos.
Assim, os pesquisadores treinaram sua rede neural programando-a para analisar imagens do banco de dados para as quais os diagnósticos de câncer já haviam sido determinados. Isso significava que os pesquisadores sabiam a “verdade” de cada imagem mamográfica (câncer ou não) enquanto testavam a precisão da ferramenta, enquanto a ferramenta tinha que adivinhar. A precisão foi medida na frequência das previsões corretas.
Além disso, os pesquisadores projetaram o modelo de IA do estudo, para considerar primeiro remendos muito pequenos da imagem em alta resolução separadamente para criar um mapa de calor, um quadro estatístico da probabilidade de doença. Em seguida, o programa considera toda a mama em busca de características estruturais ligadas ao câncer, prestando mais atenção às áreas sinalizadas no mapa de calor em nível de pixel.
Em vez de os pesquisadores identificarem recursos de imagem para sua IA, a ferramenta está descobrindo por si só quais recursos de imagem aumentam a precisão da previsão. No futuro, a equipe planeja aumentar ainda mais essa precisão treinando o programa de IA em mais dados, talvez até identificando alterações no tecido mamário que ainda não são cancerígenas, mas que têm o potencial de ser.
Os resultados do estudo para identificar o câncer de mama foram publicados online recentemente pela conceituada revista IEEE Transactions on Medical Imaging.
