Como a Inteligência Artificial Seria Usada em Radiologia?

A radiologia está no caminho para se tornar um dos mais importantes campos de aplicação da Inteligência Artificial, devido à natureza do trabalho dos radiologistas neste importante ramo da medicina diagnóstica.

No entanto, há, até agora, muito hype sobre a possibilidade de IA substituir inteiramente radiologistas humanos. Em seu estado atual, a IA encontra apenas algumas aplicações especializadas como ferramentas de apoio à decisão para radiologistas, mas não há dúvida de que, no futuro próximo, substituirá algumas das tarefas realizadas na telerradiologia, como por exemplo a triagem automática rápida de imagens normais versus imagens anormais (cerca de 80% dos exames são geralmente normais, 15% são anormais, mas fáceis de interpretar, e 5% são difíceis de interpretar). A IA provavelmente será útil nos dois extremos desse espectro, mas, como mostrarei, diagnósticos difíceis estarão sob o comando da inteligência humana, com a IA servindo como assistente, no futuro previsível.

Vou usar como exemplo três imagens TC (tomografia computadorizada) muito semelhantes, tiradas com permissão da excelente ferramenta on-line de suporte à decisão StatDX © para diagnóstico por imagens médicas desenvolvida e oferecida pelo Elsevier Clinical Solutions Group (consulte Diagnóstico por Imagem para Radiologia) :

Como a Inteligência Artificial Seria Usada em Radiologia?

As imagens mostram uma lesão cerebral aparentemente muito semelhante, caracterizada por uma imagem circular bem definida com um centro escuro (geralmente indicando uma área de necrose ou morte celular) circundada por um anel de material denso de raios-x. Para um radioneurologista, existem várias alterações patológicas que poderiam explicar uma imagem como esta:

– Um abscesso cerebral (uma área fechada de infecção por um microrganismo, por exemplo)
– Uma metástase cerebral de um câncer em outra área do organismo
– Um tumor cerebral específico como, tipicamente chamado, glioblastoma multiforme, um dos mais mortais que conhecemos

Estas são três patologias muito diferentes e com consequências altamente importantes do diagnóstico para o manejo correto do paciente. Um diagnóstico errado ou atrasado provavelmente representará a morte do paciente, por isso será altamente perigoso e antiético deixar essa decisão para um algoritmo automático.

Um especialista em IA sem muito conhecimento sobre neurorradiologia pode pensar que uma abordagem de aprendizagem profunda (Deep Learning) poderia ser usada para resolver esse problema facilmente, aprendendo a classificar separadamente milhares de imagens identificadas. Um grande erro, porque a variação das apresentações de imagens é incompreensível. Por exemplo, o glioblastoma multiforme não recebe esse nome por nada. Você vê algo em comum abaixo?

Como a Inteligência Artificial Seria Usada em Radiologia?

Assim, um sistema de IA puramente baseado em imagem, como Deep Learning ou algoritmo de reconhecimento de padrões não seria, muito provavelmente, capaz de diferenciar entre as imagens e atribuir-lhe um diagnóstico claro! A propósito, um radiologista humano também não.

Então, como um diagnóstico correto é alcançado, digamos, sem recorrer ao último método “dourado”, que seria uma biópsia cerebral? Bem, os radiologistas usam dados clínicos do paciente, como a evolução da doença, a presença ou ausência de certos sinais e sintomas, a localização da lesão, imagens prévias da mesma região e assim por diante. Às vezes, imagens da mesma lesão em diferentes modalidades, como PET-TC, angiografia por TC contrastada ou ressonância magnética (RM), serão necessárias para apoiar o diagnóstico diferencial.

Isso é chamado de raciocínio clínico e, é claro, um sistema de IA híbrido (reconhecimento de padrões mais lógico e mais completo) será possível para toda a gama de imagens radiológicas (até agora, nenhuma existe, mas algumas especializadas, como para mamografia ou retinografia, já mostraram suas capacidades). O uso de diferentes modalidades de imagens para o mesmo diagnóstico é ainda mais complexo, embora não inviável com as tecnologias atuais de IA, mas é algo para o futuro.

Muitos especialistas acreditam que a radiologia baseada em IA irá superar com grande margem as capacidades de radiologistas bem treinados, e uma das razões é a maneira como o Big Data será usado. O diagnóstico por imagem é uma tarefa essencialmente visual, ou seja, quanto mais imagens o radiologista vê ao longo de sua profissão, melhor ele será no diagnóstico. Um radiologista com 30 anos de experiência terá visto provavelmente algumas centenas de casos de glioblastoma multiforme, mas um computador com IA pode ver milhares deles. Quem ganhará?

De fato, atualmente é muito mais útil para o apoio da decisão diagnóstica ao radiologista o acesso a plataformas baseadas em computador que fornecem informações científicas e clínicas abrangentes, galerias de imagens para comparação, etc., do que um assistente de IA. A cognição humana será sempre a nossa mais formidável “ferramenta” para isso! Mas o futuro está a caminho!

IA em Radiologia