Uma ressonância magnética é lida em 4 segundos? É isso mesmo?

Bem-vindo ao presente e ao futuro dos programas automatizados de Machine Learning que têm a capacidade de aumentar significativamente a velocidade da análise de exames de ressonância magnética especializados.

Mas não se preocupe, ainda não está pronto para o horário nobre!

Novas pesquisas lançam luz sobre até onde chegamos em termos de desenvolvimento de tais programas de aprendizado de máquina.

De acordo com um novo estudo publicado na revista Circulation: Cardiovascular Imaging, a análise das ressonâncias magnéticas cardiovasculares usando o aprendizado de máquina pode ser realizada significativamente mais rápido e com precisão comparável à interpretação humana por cardiologistas treinados.

Geralmente, leva cerca de 13 minutos para um médico treinado (cardiologista) interpretar uma ressonância magnética cardiovascular. Mas com o advento da Inteligência Artificial (IA) e dos algoritmos de aprendizado de máquina, uma varredura pode ser analisada com precisão semelhante em aproximadamente quatro segundos – quase 186 vezes mais rápido!

A ressonância magnética cardiovascular ajuda os cardiologistas a tomar decisões pré-operatórias para o planejamento cirúrgico, fornecendo medidas importantes da estrutura e função do coração.

Mas esses exames também podem ajudar a tomar decisões relacionadas ao momento da cirurgia cardíaca, implantação de desfibriladores e infusões contínuas ou descontinuadas de quimioterapia cardiotóxica para pacientes com câncer. Essas decisões clínicas, em última análise, dependem de medições precisas de exames de ressonância magnética cardiovascular.

A aceleração dos dados colhidos a partir de tais exames de ressonância magnética também pode ajudar a melhorar a velocidade da tomada de decisões clínicas e dos resultados de saúde subsequentes, afetando, em última análise, os cuidados da perspectiva da saúde da população.

O estudo foi realizado no Reino Unido, onde aproximadamente 150.000 exames de ressonância magnética cardiovascular são realizados anualmente. Extrapolando o número de exames realizados por ano, os pesquisadores calcularam que o uso da IA ​​para interpretar os exames poderia resultar em economia de 54 dias clínicos por ano em cada unidade de saúde.

Para o estudo, os pesquisadores desenvolveram e treinaram uma rede neural para ler as ressonâncias cardiovasculares de quase 600 pacientes. Eles descobriram que não havia diferença significativa na precisão quando o algoritmo de aprendizado de máquina foi testado quanto à precisão em comparação com um especialista ou estagiário em 110 pacientes separados de vários centros.

“A ressonância magnética cardiovascular oferece qualidade de imagem incomparável para avaliar a estrutura e a função do coração; no entanto, a análise manual atual permanece básica e desatualizada. As técnicas automáticas de aprendizado de máquina oferecem o potencial de mudar isso e melhorar radicalmente a eficiência, e esperamos novas pesquisas que possam validar sua superioridade à análise humana”, disse a autora do estudo Charlotte Manisty, MD Ph.D. em um comunicado de imprensa. “Nosso conjunto de dados de pacientes com uma série de doenças cardíacas que receberam exames nos permitiu demonstrar que as maiores fontes de erro de medição surgem de fatores humanos. Isso indica que as técnicas automatizadas são pelo menos tão boas quanto os humanos, com o potencial que será em breve ‘super-humano’ – transformando a precisão da medição clínica e de pesquisa”.

Outro especialista acredita que essa nova tecnologia oferece promessas para aplicações clínicas e baseadas em pesquisa.

“O aprendizado de máquina afetará a forma como lemos os estudos de ressonância magnética cardiovascular em nosso trabalho diário e como treinamos as gerações futuras de médicos”, disse Jennifer Conroy, MD, diretora associada de tomografia e ressonância magnética cardiovascular do Hospital Lenox Hill, Northwell Health. “A adoção de novas ferramentas que aumentam a precisão e a eficiência são úteis não apenas para o atendimento individual de pacientes, mas também para a realização de estudos de pesquisa em larga escala”.

O que está claro no estudo é que esse algoritmo de aprendizado de máquina específico não teve um desempenho melhor em comparação com a interpretação humana. Embora tenha sido significativamente mais rápido, surge a questão de se a contribuição humana ainda é necessária.

Acredito firmemente que não estamos em um ponto em que as máquinas possam trabalhar de forma não supervisionada para a entrega de uma interpretação. Os médicos ainda precisam supervisionar e verificar as leituras para garantir a segurança do paciente e a qualidade do atendimento. Embora a redução de horas clínicas seja certamente um benefício adicional para essa tecnologia, devemos primeiro garantir que não haja danos ao paciente em estudos de maior escala.

Dito isso, o estudo destaca a utilidade potencial da IA ​​como uma técnica transformadora no aumento da velocidade sem sacrificar a exatidão e a precisão na interpretação de exames de imagem complexos para pacientes com doença cardíaca estrutural.

Certamente serão necessários mais estudos e investigações antes que esse tipo de abordagem possa se tornar uma opção viável para os sistemas de saúde.

Resumindo: não substituiremos cardiologistas por algoritmos de IA e aprendizado de máquina em breve. Mas os sistemas de IA estão chegando.

Traduzido do original em inglês da Revista Forbes: AI Can Read A Cardiac MRI In 4 Seconds: Do We Still Need Human Input?

E confira nossa mais nova formação:

Formação Inteligência Artificial Aplicada à Medicina

 

Equipe DSA