Um dos maiores desafios dos médicos hoje é avaliar e determinar o diagnóstico de câncer de modo rápido e correto. Para que isso seja possível, pesquisadores da Universidade de Nova York estão usando um algoritmo open-source de Inteligência de Artificial desenvolvido pela Google, capaz de distinguir diferentes tipos da doença. O trabalho é parte de um estudo publicado neste mês na revista científica Nature Medicine.
Os resultados do experimento até o momento têm sido positivos, uma vez que o software de IA já apresentou 97% de precisão. Nomeada nesse caso como Inception v3, a tecnologia empregada foi a mesma utilizada para a identificação online de rostos, animais e objetos carregados nas plataformas online da Google. Dessa forma, por meio do método de deep learning, ela foi “treinada” para reconhecer mutações genéticas proliferadas dentro de cada tumor a partir de fotos da doença.
Para que fosse possível diferenciar vários tipos de câncer, os estudiosos exibiram ao Inception v3 milhares de slides com imagens do The Cancer Genome Atlas (Atlas de Genoma do Câncer), um banco de dados de amostras da doença, mantido pelo Instituto Nacional de Câncer e pelo Instituto de Pesquisa Nacional de Genoma Humano dos Estados Unidos. Com isso, o algoritmo foi capaz de criar um mapa, reconhecer quais das figuras possuíam tecidos cancerígenos (imagem acima) e as suas mutações genéticas específicas, em apenas 20 segundos.
Inclusive ele percebeu mudanças extremamente sutis na aparência de uma amostra de tumor, ou seja, detalhes microscópicos que não podem ser notados por médicos humanos. Entretanto, os pesquisadores ainda não sabem ao certo do que se trata esses aspectos e como os extrair melhor da tecnologia; esse segue ainda como um grande desafio.
Por essas razões, o Inception v3 ainda não pode ser empregado na medicina. Afinal, é necessário que ele apresente 100% de certeza sobre um diagnóstico. Da mesma forma, os médicos devem ser capazes de compreender cada informação entregue pelo programa e empregá-la durante testes e outras análises.
Nos próximos meses, a equipe de estudiosos espera que o software seja capaz de chegar aos 99% de precisão. Para isso, ele será treinado com outras amostras variadas de tumores. Depois, o próximo passo será estar de acordo com as normas clínicas do país e obter aprovação dos órgãos públicos para usá-lo em instituições médicas.
Fontes
Categorias
