Por enquanto, trata-se apenas de um protótipo, mas seu potencial é imenso: um microscópio desenvolvido pela Google utiliza realidade aumentada e aprende com machine learning para conseguir detectar câncer e pesquisar sobre a doença. O projeto é da divisão X da Alphabet, empresa que encapsula também a Google, e a mesma tecnologia já foi usada para estudar produção de alimentos e agricultura.
Os resultados iniciais do desenvolvimento desse projeto foram divulgados pela Google Brain, a divisão de inteligência artificial da empresa. O protótipo é um microscópio adaptado com um visor de realidade aumentada que é capaz de identificar o câncer misturando sistemas automatizados de machine learning com a experiência humana. O ARM (Augmented Reality Microscope; microscópio de realidade aumentada) analisa em tempo real tecidos microscópicos mostrando possíveis tumores na cor verde para o usuário do dispositivo.
Em tempo real
O ARM foi treinado para detectar câncer de mama e de próstata, mas é capaz de executar muitos tipos de algoritmos de machine learning para resolver problemas diferentes
Segundo explicou a Google, “essa projeção digital é visualmente sobreposta à imagem original (analógica) da amostra para auxiliar o espectador na localização ou quantificação de características de interesse. É importante ressaltar que a computação e o feedback visual são atualizados rapidamente – nossa implementação atual é executada em aproximadamente 10 quadros por segundo, portanto, o resultado da observação é atualizado diretamente enquanto o usuário digitaliza o tecido movendo o slide e/ou alterando a ampliação”.
Uma das melhores notícias é que o dispositivo pode ser criado usando microscópios já existentes em clínicas e hospitais sem a necessidade da compra de um novo aparelho – que é bastante caro. Basta equipá-lo com componentes relativamente baratos e conectá-lo à inteligência artificial da Google. Até então, o ARM foi treinado para detectar câncer de mama e de próstata, mas é capaz de executar muitos tipos de algoritmos de machine learning para resolver problemas diferentes, como a detecção, quantificação ou classificação de objetos.
Fontes
Categorias