Figura 1 – Duas imagens de uma retina, utilizada em um algoritmo da Google que consegue prever doenças cardiovasculares que um paciente pode desenvolver – Fonte: Google/Verily Life Sciences.
Hoje em dia, os avanços na área de Inteligência Artificial vêm auxiliando o progresso de inúmeras outras áreas do conhecimento, como, por exemplo, a Medicina. Neste texto, comentaremos como a IA possibilita que diagnósticos sejam feitos com antecedência suficiente para salvar vidas, antes algo inimaginável para certas doenças.
Laís Carraro Leme Cavalheiro e Yvan Ribeiro de Araujo
Inteligência Artificial pode ser descrita como a inteligência demonstrada por máquinas, em contraste com a inteligência natural demonstrada por humanos e animais. Ela tenta imitar funções cognitivas de humanos e animais como o aprendizado e a resolução de problemas, assim automatizando processos que antes só um humano capacitado e treinado poderia resolver. Uma das aplicações possíveis dessa tecnologia é na área de diagnósticos médicos, e nesta matéria gostaríamos de exemplificar alguns dos usos já sendo pesquisados atualmente e discutir sobre o possível futuro desta tecnologia.
Se você já foi ao médico suspeitando ter algum risco à saúde, muito provavelmente já deve ter passado por algum exame como Tomografia Computadorizada, Ressonância Magnética ou Ultra-sonografia. Mas o que há em comum entre eles? Todos esses exames fornecem ao seu médico imagens que podem auxiliá-lo a encontrar em você padrões característicos de certas doenças, para que, assim, ele consiga chegar a um diagnóstico e dar início o quanto antes a um possível tratamento.
Esse processo pode até parecer simples: coletar dados, analisá-los e chegar a uma conclusão. No entanto, as evidências da manifestação de doenças são, muitas vezes, extremamente sutis, e mesmo o médico mais experiente e bem treinado pode ter dificuldades para detectá-las. Além disso, mesmo que tal médico se propusesse a fazer uma análise extensiva e cautelosa de uma quantidade significativa de exames para, talvez, encontrar o problema, tal processo iria tomar tanto tempo que se tornaria inviável em alguns casos. Muitas vezes, a rapidez de um diagnóstico é decisiva para a vida do paciente, pois o intervalo de tempo entre o momento em que se descobre a doença e o início do tratamento pode ser a diferença entre uma vida saudável e possíveis sequelas, desde dores crônicas ou até mesmo a morte.
Um exemplo disso é a artrose, que desgasta a cartilagem nas extremidades dos ossos causando dores crônicas. As técnicas de análise de imagens médicas permitem o diagnóstico apenas depois da ocorrência de dano ósseo e, por isso, o tratamento deve ser feito às pressas. Além disso, como não é possível reverter o dano ósseo, não há “cura” para tal doença, deixando o paciente com dores crônicas para o resto da vida. Pensando nisso, Shinjini Kundu desenvolveu o “3D Transport-Based Morphometry”, ou “3D TBM”, programa que consegue identificar padrões invisíveis aos olhos até do médico mais bem treinado e prever se uma pessoa desenvolverá ou não artrose num período de três anos com 86% de certeza, utilizando técnicas de inteligência artificial e machine learning. O programa é capaz de regredir até um estado completamente inicial da doença em exames de pacientes acometidos pela artrose, identificar padrões “escondidos” (Mas existentes) nessas imagens e prever a predisposição de uma pessoa ainda não acometida a desenvolver a doença num futuro próximo.
Outro exemplo de tecnologia sendo utilizada é um algoritmo da Google que, com imagens do fundo da retina do olho de um paciente, consegue prever doenças cardiovasculares que ele pode ter no futuro. De acordo com os cientistas da Google Brain, depois de treinar o algoritmo em um banco de dados com quase 300.000 pacientes, quando o algoritmo é apresentado com as fotos da retina de dois pacientes, um saudável e um que desenvolveu problemas cardiovasculares dentro de 5 anos, o algoritmo conseguiu determinar qual era qual com 70% de precisão. 70% pode não parecer muito, mas comparado com o método existente atual de prever problemas cardiovasculares chamado SCORE que precisa de um exame sanguíneo e possui uma melhora de apenas 2% de precisão, com o total de 72%, o algoritmo que não demora quase nenhum tempo para ser realizado mostra as suas vantagens.
Duas imagens de uma retina. A da esquerda é a imagem normal e a da direita é o que o algoritmo enxerga, com as veias sanguíneas representadas em verde. – Fonte: Google/Verily Life Sciences.
O algoritmo também conseguiu identificar a idade do paciente (com 3.26 anos de margem de erro), o sexo do paciente (97% de precisão) e se o paciente era fumante (71% de precisão). A Google acredita que, embora estejam ainda nos estados iniciais, algoritmos como esse apontam para um novo paradigma de descobertas científicas relacionadas a medicina por meio de Inteligência Artificial.
Embora as técnicas pareçam extremamente promissoras, a área ainda se encontra no início de seu desenvolvimento, e também a aplicação de Inteligências Artificiais onde o processo lógico do algoritmo de como foi feito o diagnóstico não pode ser facilmente identificada, logo ainda é visto como algo eticamente não confiável de ser utilizado em um paciente. Então tratamentos e diagnósticos baseados em inteligências Artificiais ainda precisam passar por mais tempo de maturação e aperfeiçoamento até que comecem a ser mais aceitos eticamente e passem a ser mais confiados pelo mundo.
REFERÊNCIAS
YANG, M. Analyzing medical images with machine learning. Disponível em: <https://engineering.cmu.edu/news-events/news/2018/09/21-kundu-profile.htm>, Acesso em: 12 de julho de 2019.
POPLIN, R. et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning. Disponível em: <https://www.nature.com/articles/s41551-018-0195-0>, Acesso em: 12 de julho de 2019.
VINCENT, J. Google’s new AI algorithm predicts heart disease by looking at your eyes. Disponível em: <https://www.theverge.com/2018/2/19/17027902/google-verily-ai-algorithm-eye-scan-heart-disease-cardiovascular-risk>, Acesso em: 12 de julho de 2019.
PENG, T. It’s All in the Eyes: Google AI Calculates Cardiovascular Risk From Retinal Images. Disponível em: <https://medium.com/syncedreview/its-all-in-the-eyes-google-ai-calculates-cardiovascular-risk-from-retinal-images-150d1328d56e>, Acesso em: 12 de julho de 2019.