Como a IA aumenta a precisão da detecção do câncer de mama

Uma ferramenta de inteligência artificial - treinada em aproximadamente um milhão de imagens de mamografia - pode identificar o câncer de mama com precisão de aproximadamente 90% quando combinada com a análise radiologista, segundo um novo estudo.

O estudo examinou a capacidade de um tipo de inteligência artificial (IA), um programa de computador de aprendizado de máquina, de agregar valor aos diagnósticos alcançados por um grupo de 14 radiologistas ao revisar 720 mamografia imagens.

"O objetivo final do nosso trabalho é aumentar, não substituir, os radiologistas humanos."

"Nosso estudo descobriu que a IA identificou padrões relacionados ao câncer nos dados que os radiologistas não puderam e vice-versa", diz o autor sênior do estudo Krzysztof Geras, professor assistente do departamento de radiologia da Grossman School of Medicine da Universidade de Nova York.

"A IA detectou alterações no nível de pixel nos tecidos invisíveis ao olho humano, enquanto os humanos usavam formas de raciocínio não disponíveis para a IA", acrescenta Geras, também membro do corpo docente do Center for Data Science. "O objetivo final do nosso trabalho é aumentar, não substituir, os radiologistas humanos."

Em 2014, mulheres (sem sintomas) nos Estados Unidos fizeram mais de 39 milhões de exames de mamografia para rastrear o câncer de mama e determinar a necessidade de um acompanhamento mais próximo. As mulheres cujos resultados dos exames produzem resultados anormais de mamografia são encaminhadas para biopsia, um procedimento que remove uma pequena amostra de tecido mamário para testes de laboratório.

Três imagens do tecido mamário lado a lado. O primeiro é preto e branco, o segundo tem manchas verdes, o terceiro tem manchas vermelhas.A ferramenta AI aprendeu a prever quais lesões eram provavelmente malignas (mapa de calor vermelho) ou provavelmente benignas (mapa de calor verde), com potencial para auxiliar os radiologistas no diagnóstico de câncer de mama. (Crédito: NYU School of Medicine)

No novo estudo, a equipe de pesquisa projetou técnicas estatísticas que permitem que o programa “aprenda” como melhorar uma tarefa sem saber exatamente como. Esses 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, que se inspiram no cérebro humano, usam circuitos complexos para processar informações em camadas, com cada etapa inserindo informações na próxima e atribuindo mais ou menos importância a cada informação ao longo do caminho.

Os autores do presente estudo 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, afirma Geras, aumentando a confiança que os médicos têm na precisão das avaliações feitas para os exames de rastreamento (por exemplo, reduzindo falso positivo e resultados falso-negativos).

Para o estudo atual, a equipe de pesquisa analisou as imagens coletadas como parte dos cuidados clínicos de rotina ao longo de sete anos, analisando os dados coletados e conectando as imagens aos resultados da biópsia. Esse esforço criou um conjunto de dados extraordinariamente grande para a sua ferramenta de inteligência artificial, dizem os autores, consistindo em 229,426 exames de mamografia digital e 1,001,093 imagens. A maioria dos bancos de dados que os pesquisadores usaram nos 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. Os pesquisadores mediram a precisão 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.

"A transição para o suporte da IA ​​em radiologia diagnóstica deve ocorrer como a adoção de carros autônomos - lenta e cuidadosamente, construindo confiança e melhorando os sistemas ao longo do caminho, com foco na segurança", diz o primeiro autor Nan Wu, candidato a doutorado na o Centro de Ciência de Dados.

O estudo aparece em Transações IEEE em Imagens Médicas.

Co-autores adicionais são da NYU, da SUNY Downstate College of Medicine, da Universidade de Cambridge e da Jagiellonian University.

O apoio ao trabalho veio, em parte, dos Institutos Nacionais de Saúde. O modelo usado neste estudo foi disponibilizado em campo para impulsionar a inovação.

Estudo original

books_health

siga InnerSelf on

facebook-icontwitter-iconrss-icon

Receba as últimas por e-mail

{Emailcloak = off}