Humanos e IA avançam juntos em diagnósticos
Cientistas da Harvard Medical School e da Stanford University criaram uma ferramenta de diagnóstico com inteligência artificial (IA) que pode detectar doenças em radiografias de tórax. A inovação disruptiva é aliar o conhecimento dos profissionais de saúde que realizaram os exames e redigiram os relatórios clínicos com a capacidade do algoritmo CheXzero.
A máquina analisa as imagens do raio-X e também as descrições apontadas nos relatórios que as acompanham, produzidas por um técnico, especialista clínico ou médico. Como a maioria dos modelos de IA existentes precisa de enormes quantidades de dados de inúmeros casos para começar a aprender (machine learning), aliar o conhecimento do profissional humano aplicado ao caso concreto à capacidade do robô é considerado um grande avanço no design clínico de IA.
De acordo com um artigo publicado na “Nature Biomedical Engineering”, o modelo CheXzero teve desempenho semelhante ao de radiologistas humanos quanto à capacidade de identificar patologias em radiografias de tórax.
“O debate sobre a substituição do trabalho humano por máquinas não é trivial. Há inovações que extinguiram alguns ofícios, mas criaram uma série de outros. Nesse caso, há indicativos que profissionais de medicina e IA poderão trabalhar em conjunto, oferecendo suporte recíproco”, avalia Arie Halpern, especialista em tecnologias disruptivas.
O gargalo da IA na medicina
Para detectar patologias durante o “treinamento”, a maioria dos algoritmos de IA precisa de conjuntos de dados rotulados, ou seja, um material organizado com imagens de exames, resultados de testes clínicos e o relatório preparado por um profissional.
Para rotular um conjunto de dados de raios X de tórax, por exemplo, os radiologistas especialistas teriam de examinar centenas de milhares de imagens de raios X e redigir anotações com detalhamento para cada uma com as condições detectadas.
Como esse procedimento requer anotações extensas, muitas vezes caras e demoradas, realizadas por médicos humanos, o avanço das aplicações de inteligência artificial vinha progredindo em velocidade abaixo da expectativa.
O novo modelo — CheXzero — é auto-supervisionado, sendo capaz de aprender de forma mais independente, sem a necessidade de rotular dados manualmente antes ou depois do treinamento. O modelo baseia-se apenas em radiografias de tórax e nas notas em inglês encontradas nos relatórios de raios-X que a acompanham.
Como funciona o CheXzero
As equipes da Harvard Medical School e da Stanford University treinaram o modelo CheXzero com um conjunto de dados públicos contendo mais de 377 mil radiografias de tórax e mais de 227 mil notas clínicas correspondentes. Todo esse material foi entregue para a IA sem rotulagem, apenas com a indicação de correlação entre as imagens e as respectivas notas clínicas.
Após o processamento dessa carga informacional, foram realizados os primeiros testes. O algoritmo recebeu dois conjuntos de dados separados de radiografias de tórax e as respectivas notas coletadas de duas instituições médicas, em países diferentes.
Nesse teste, o CheXzero identificou com sucesso patologias que não foram anotadas explicitamente por médicos humanos. Ele superou outras ferramentas de IA auto-supervisionadas e teve um desempenho semelhante ao dos radiologistas humanos.
Segundo os pesquisadores, essa forma de treinamento de IA para diagnósticos clínicos pode ser aplicada a outras modalidades de exames com imagens, além dos raios X, incluindo tomografias computadorizadas, ressonâncias magnéticas e ecocardiogramas.
O grupo de pesquisas tornou o código do novo modelo acessível a outros pesquisadores.
