A inteligência artificial (IA) está avançando rapidamente no campo da imagem médica. A adoção clínica da IA pelos radiologistas passou de nenhuma para 30% entre 2015 e 2020, de acordo com um estudo do Colégio Americano de Radiologia. Em imagens médicas, isto poderia ser, por exemplo, dizer ao computador quais imagens contêm câncer de mama e permitir que ele aprenda com este conjunto de dados a encontrar características comuns a essas imagens, mas ausentes em imagens não cancerígenas. Isto aumenta a capacidade do radiologista de encontrar novos detalhes nas imagens relacionadas a uma patologia que o olho humano não teria sido capaz de identificar antes. Assim, os programas de IA podem desenvolver formas inteiramente novas de interpretar imagens médicas, às vezes de forma incompreensível para os seres humanos.

Esta situação provocou uma dualidade de emoções entre os radiologistas. Por um lado, alguns estão entusiasmados com o potencial da IA para reduzir sua carga de trabalho e, por outro, há o medo de perder seus empregos para as máquinas. Entretanto, o que temos visto desde 8 anos atrás, quando alguns especialistas previram que a IA substituiria os radiologistas, é que a IA trabalha em conjunto com eles para aumentar sua inteligência, automatizando as redundâncias e otimizando a maneira como os radiologistas praticam. Não apenas economizando tempo, mas melhorando o diagnóstico, evitando potencialmente o que poderia ter sido falhas fáceis.

Uma cientista da computação do Massachusetts Institute of Technology, Regina Barzilay, desenvolveu um algoritmo de aprendizado de máquinas que utiliza a análise visual superior dos computadores para detectar padrões sutis em mamografias que o olho humano pode perder.  Desta forma, é possível prever com alta precisão a partir de uma mamografia se uma paciente pode desenvolver câncer de mama até cinco anos mais tarde. Isto é altamente relevante porque as incertezas da leitura de uma mamografia podem atrasar o diagnóstico e um diagnóstico posterior significa tratamentos agressivos, resultados incertos e mais custos médicos.

Este é apenas um dos muitos exemplos de como a incorporação de software de IA no fluxo de trabalho do radiologista pode melhorar a precisão e a pontualidade dos diagnósticos, enquanto permite que os radiologistas pratiquem no pico da eficiência, acelerando sua capacidade de oferecer o melhor valor e permitir o melhor atendimento possível ao paciente. Além disso, os sistemas de IA poderiam estender os limites e o alcance dos médicos para proporcionar um melhor tratamento em países em desenvolvimento e regiões remotas que carecem de radiologistas. Executar um algoritmo pode ser uma maneira barata de preencher a lacuna entre o nível de cuidado prestado nas áreas mais ricas e mais pobres, e pode até ser feito em um telefone celular.

No entanto, a inteligência artificial aplicada à imagem médica também tem muitas limitações. A desconexão entre a forma como os computadores e os seres humanos pensam apresenta uma série de questões de confiança que se tornam uma preocupação legal. Por exemplo, se uma IA obtém um diagnóstico errado, pode ser difícil determinar se a falha é do médico ou do programa e como regular uma máquina que está constantemente aprendendo e mudando.

Além disso, os algoritmos podem ser muito sensíveis às características dos dados sobre os quais foram treinados; se algum dos fatores mudar, a precisão do modelo pode ser reduzida. As normas atuais para avaliar o risco de câncer de mama são muito menos precisas nas mulheres afro-americanas, diz Barzilay, porque essas normas foram desenvolvidas principalmente usando scans de mulheres brancas.

As limitações da IA devem tranqüilizar os radiologistas que se preocupam com o fato de que as máquinas irão assumir seus trabalhos, pois mesmo que um algoritmo seja melhor no diagnóstico de um problema específico, combinando-o com a experiência e o conhecimento do médico sobre o histórico individual do paciente resultará em um resultado melhor. A curto prazo, os algoritmos de IA são mais propensos a ajudar os médicos do que a substituí-los, e o melhor cenário seria que a inteligência artificial e humana trabalhassem em sinergia.

Referências

1. Reardon, S. (2019). A ascensão dos radiologistas robôs. Natureza, 576(7787), S54-S54.
2. Wallis, C. (2019). Como a inteligência artificial vai mudar a medicina. Natureza, 576(7787), S48-S48.

Siwicki, B. (2021). Mass General Brigham e o futuro da IA na radiologia. Notícias de TI na área da saúde.

Luisa Vargas

Analista Profissional – Equipe de Inovação ImexHS.

[email protected]