O
trabalho agora publicado na Scientific Reports – Nature foi
desenvolvido por uma Equipa de investigadores do Instituto de Engenharia de
Sistemas e Computadores, Tecnologia e Ciência (INESC TEC) no âmbito do projeto TAMI do Programa Carnegie
Mellon Portugal (CMU Portugal), que propõe colocar a inteligência artificial (IA)
ao serviço do setor da saúde, mais especificamente no apoio à decisão médica de
forma a aumentar a confiança no respetivo diagnóstico.
A
pandemia por COVID-19 veio revolucionar os sistemas de saúde de todo o mundo e
a sua velocidade de propagação, tornou fundamental o diagnóstico e uma deteção
precoce de manifestações mais graves da doença. O Raio-X ao tórax tornou-se uma
das formas mais utilizadas de diagnóstico complementar e acompanhamento da
progressão da doença.
Um
Raio-X deve ser interpretado por radiologistas experientes. No entanto, a
pandemia provocou um aumento apreciável do número de exames radiológicos a
observar, situação que conjugada com a escassez de radiologistas obrigou à
utilização de outros clínicos menos experientes na interpretação destes exames.
A análise automatizada de imagens através de técnicas de IA pode, assim,
desempenhar um papel fundamental enquanto segunda opinião para apoiar as
decisões clínicas de pacientes com COVID-19. De acordo com Aurélio Campilho um
dos investigadores principais do projeto, “o objetivo da investigação foi
exatamente estudar de que forma é que a Aprendizagem Profunda, pode ser
colocado ao serviço do diagnóstico médico”.
“Com
este projeto quisemos avaliar de que forma as técnicas de Aprendizagem Profunda
poderiam auxiliar a interpretação/leitura de Raio-X e consequente diagnóstico e
acompanhamento de doentes COVID-19. Desde o início da pandemia houve um grande
esforço por parte da comunidade científica em Aprendizagem Computacional em
propor novas abordagens de apoio ao diagnóstico médico e muitos dos estudos
inicialmente publicados reivindicaram resultados exageradamente prometedores
indicando mesmo uma capacidade de diagnóstico de COVID-19 sobre-humana. O que o
nosso estudo veio mostrar foi que a aplicação destes algoritmos num ambiente
clínico é bastante mais complexa que o esperado. Em colaboração próxima com a
Administração Regional de Saúde do Norte (ARSN) foi possível identificar os
principais desafios na aplicação destas ferramentas de Aprendizagem Profunda e
desenvolver novas técnicas que consigam aumentar a robustez destes sistemas.”
A
Aprendizagem Profunda é um ramo da Aprendizagem Computacional que pretende
dotar o computador da capacidade de aprender e executar tarefas semelhantes às
dos seres humanos, tais como a identificação de imagens, o reconhecimento de
voz ou a realização de prognósticos.
O
estudo agora publicado avaliou o desempenho de um sistema de Aprendizagem
Profunda no diagnóstico ao COVID-19 estabelecendo a comparação com a análise de
radiologistas. Uma das conclusões apresentadas na investigação é que a
distinção entre COVID-19 e outras patologias em Raio-X é uma tarefa realmente
difícil e subjetiva, até para radiologistas experientes. No entanto, foi
possível demonstrar que o desempenho dos algoritmos de Aprendizagem Profunda na
identificação de COVID-19 pode ser melhorado significativamente se estes
aprenderem diretamente com os radiologistas, identificando de forma mais clara
os sinais radiológicos da COVID-19 e levando a um melhor diagnóstico.
Apesar
desta metodologia estar ainda numa fase inicial, o objetivo é estender a
investigação a outras patologias identificadas através de Raio-X: “Apesar da
COVID-19 ter sido o foco de atenção principal da investigação, nos últimos dois
anos, existe uma panóplia de patologias e achados que podem ser identificados
em Raio-X. O nosso objetivo é desenvolver um sistema que permita identificá-las
de modo automático. Uma ferramenta deste tipo seria extremamente útil para
ajudar radiologistas, técnicos e médicos menos experientes na interpretação de
Raio-X”, conclui Aurélio Campilho.
Num
âmbito mais alargado, o projeto TAMI propõe colocar a IA ao serviço do setor da
saúde, desenvolvendo ferramentas de apoio à decisão de forma a auxiliar o
processo de decisão médica, com especial enfoque no cancro cervical, doenças
pulmonares e doenças oculares. Além da decisão diagnóstica, os algoritmos de IA
desenvolvidos permitirão ainda explicar a forma como o sistema alcançou uma
determinada decisão, tornando o processo mais transparente e acessível. Estas
explicações podem ser visuais (identificando as regiões da imagem relevantes
para a decisão ou textuais (através de um conceito ou frase que faça sentido
para o ser humano). In “Bom dia Europa” - Luxemburgo
Sem comentários:
Enviar um comentário