Inteligência artificial supera avaliação médica em exames de imagem?

Em todas as áreas cotidianas já percebemos efeitos do desenvolvimento de tecnologias com inteligência artificial, especialmente o deep learning.

Tempo de leitura: [rt_reading_time] minutos.

Talvez na década de 50, quando Isaac Assimov escreveu a obra “Eu, Robô”, que mais tarde inspiraria um filme de mesmo nome, ele não imaginasse o quanto estaria prevendo rumos da humanidade. A noção de uma era digital dominada por máquinas e equipamentos robotizados capazes de executar tarefas humanas nunca foi tão real.

Nunca foi tão real também o fato de que essas novas tecnologias estão se aprimorando e ganhando a capacidade de aprender, de aumentarem sua eficiência conforme vão lendo e testando hipóteses. Sim, um princípio inteligente: uma inteligência artificial.

Em todas as áreas cotidianas já percebemos efeitos do desenvolvimento de tecnologias com inteligência artificial, especialmente o deep learning. Talvez você possa ter sido trazido a esse texto por um desses mecanismos.

Ferramentas de uso diário como os assistentes virtuais de smartphones, tradutores automáticos, teclados com sugestões automáticas, reconhecimento facial automático em redes sociais, entre outros, que estão na realidade de todos nós são frutos dessa tecnologia em que a máquina aprende com o usuário.

A área da saúde não fica de fora dos campos de avanços dessas novas tecnologias, que parecem se compor de possibilidades infinitas quando o assunto é tecnologia em saúde. Uma das virtudes do processo de deep learning é a acurácia crescente que o algoritmo proporciona ao traçar padrões. Justamente por isso, recursos diagnósticos baseados nessas tecnologias soam como interessantes e promissores.

Veja mais: Inteligência artificial no tratamento de sepse é o futuro da medicina? [Sepsis Rio 2019]

médico usando inteligência artificial para compreender exame de imagem

Deep learning na saúde

Diante disso, um grupo de pesquisadores revisou as publicações de literatura médica em formato de revisão sistematizada com metanálise para responder a seguinte pergunta: a acurácia diagnóstica com deep learning e equivale a de profissionais de saúde em avaliações de imagem?

Desde 1951, quando se publicou o primeiro artigo médico sobre uso de inteligência artificial no campo médico, até hoje, o volume de publicações é crescente. O volume de publicações anuais sobre o tema é de cerca de 16 mil estudos, sendo alvo de grande interesse por diversas perspectivas.

Os pesquisadores incluíram artigos encontrados nas bases de dados revisadas entre janeiro de 2012 e junho de 2019 que comparavam métodos diagnósticos de deep learning com profissionais de saúde.

Resultados

Ao todo as buscas retornaram 31587 resultados, dos quais 82 foram incluídos e 69 foram utilizados nas análises qualitativas. Os estudos incluídos variaram em muito em sua metodologia, o que é uma fragilidade grande para o método metanalítico. Muitos estudos comparados avaliaram patologias muito distintas, além disso muitos dos estudos avaliados nas análises quantitativas não testaram a performance dos métodos de deep learning comparando os resultados com profissionais de saúde utilizando os mesmos pacientes. Além disso, embora o que se estivesse sendo avaliado fosse o desempenho do algoritmo, muitos métodos de imagem distintos foram agrupados para comparação.

Apesar dessas limitações, as conclusões são promissoras. Os métodos de deep learning tem acurácia diagnóstica equivalente ao de profissionais de saúde. A sensibilidade agrupada foi de 87% (95% CI 83–90,2) para modelos de deep learning e de 86,4% (79,9–91,0) para profissionais de saúde. Já a especificidade agrupada foi de 92,5% (95% CI 85,1–96,4) para os modelos de deep learning e de 90,5% (80,6–95,7) para profissionais de saúde.

Leia também: Inteligência artificial: algoritmo para detecção de fraturas é aprovado

Na prática, o maior impacto ainda é para o futuro. Modelos baseados em deep learning são mais baratos, e tendo sua não inferioridade demonstrada podem ser muito mais custo-efetivos, possibilitando acesso diagnóstico a diversas regiões com escassez de recursos. Além disso, novos campos de mercado médico podem ser criados, com diversas implicações para prática médica.

Se seremos substituídos pelas máquinas ainda não sabemos, mas o fato que está posto é: elas estão aí, e vieram para ficar. Em 50 anos, o que era ficção científica é mais do que a realidade nossa concreta de todos os dias. O caminho, ao menos por ora, é aprendermos a extrair o melhor dessas novas tecnologias para melhorar nossa prática assistencial, não pensando em substituir, mas sim em aliar.

Confira diversas imagens radiológicas com suas descrições na seção Atlas de Radiologia do Whitebook, o maior aplicativo médico do Brasil! Baixe grátis!

Referências bibliográficas:

  • Liu X, et al. A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis. The Lancet Digital Health, 2019.

Avaliar artigo

Dê sua nota para esse conteúdo

Selecione o motivo:
Errado
Incompleto
Desatualizado
Confuso
Outros

Sucesso!

Sua avaliação foi registrada com sucesso.

Avaliar artigo

Dê sua nota para esse conteúdo.

Você avaliou esse artigo

Sua avaliação foi registrada com sucesso.

Baixe o Whitebook Tenha o melhor suporte
na sua tomada de decisão.