Pesquisadores do Google e médicos americanos e indianos, mostraram ontem o potencial da inteligência artificial para transformar a medicina de forma considerável, isso muito em breve.
Eles criaram um algoritmo de varredura ocular que, por si só, detecta uma complicação que afeta quase um terço dos pacientes com diabetes, chamada retinopatia diabética.
Fazendo uso da mesma técnica de aprendizado de máquina que o Google usa para classificar milhões de imagens na Web, esse algoritmo “olha” para imagens da retina e detecta a doença da mesma forma como faz um oftalmologista altamente especializado.
Diagnóstico mais cedo
A retinopatia diabética é causada por danos aos vasos sanguíneos no olho e resulta na deterioração gradual da visão.
Ao contrário do que se imagina, não é uma doença ligada à idade. Adolescentes e adultos também podem desenvolvê-la, caso não tenham um bom controle de seu diabetes.
Por isso, se for diagnosticada cedo pode ser tratada. O problema é que no início, a pessoa não sente os sintomas, o que torna essa checagem vital para os pacientes com diabetes.
Hoje, o diagnóstico é feito, em parte, por um especialista que, com um dispositivo específico, examina as imagens da retina do paciente, buscando sinais de sangramento e vazamento de líquido.
A imagem à esquerda (A) é de uma retina saudável, enquanto a imagem à direita (B) é de uma retina com retinopatia diabética com uma série de hemorragias (manchas vermelhas) presentes. (Cortesia: Google Research Blog)
Se de alguma forma essa detecção fosse automatizada, isso poderia tornar o diagnóstico mais eficiente e confiável, e poderia ser especialmente útil em regiões onde é escassa a presença de oftalmologistas experientes.
Uma das coisas mais intrigantes sobre a abordagem do machine-learning é que tem potencial para melhorar a precisão e a qualidade dos cuidados médicos”, Michael Chiang, professor de oftalmologia e médico do Casey Eye Institute da Oregon Health & Science University.
O treinamento
Para treinar o algoritmo, a equipe formada por cientistas da computação do Google e pesquisadores médicos dos Estados Unidos e da Índia, criaram um conjunto de 128.000 imagens retinianas classificadas por pelo menos três oftalmologistas.
Depois que o algoritmo foi treinado, os pesquisadores testaram o seu desempenho em 12.000 imagens e descobriram que combinava ou superava o desempenho de especialistas na identificação da condição e classificação de sua gravidade.
Desempenho do algoritmo (curva na cor preta) e de oito oftalmologistas (pontos coloridos) para a presença de retinopatia diabética referenciável (retinopatia diabética moderada ou pior ou edema macular diabético referenciável) num conjunto de validação constituído por 9.963 imagens. Os diamantes pretos no gráfico correspondem à sensibilidade e especificidade do algoritmo nos pontos de alta sensibilidade e alta especificidade. (Cortesia: Google Research Blog)
Ao contrário dos atuais softwares oftalmológicos, o algoritmo não foi explicitamente programado para reconhecer características em imagens que possam indicar a doença. Ele simplesmente olhou para milhares de olhos saudáveis e doentes, e descobriu por si mesmo como detectar a retinopatia diabética.
Os pesquisadores do Google colaboraram com cientistas da Aravind Medical Research Foundation na Índia, onde um ensaio clínico envolvendo pacientes reais está em andamento. Este projeto envolve pacientes que recebem uma consulta normal, mas permitem que suas imagens sejam alimentadas no sistema de aprendizagem profunda para posterior comparação.
Lily Peng, pesquisadora do Google e médica que está envolvida no projeto, diz que os resultados deste estudo ainda não estão prontos para publicação.
AI e as provas confiáveis
A aprendizagem profunda pode ser aplicada em muitas áreas diferentes da medicina que dependem de análise de imagem, como radiologia e cardiologia. Mas um dos maiores desafios será fornecer provas convincentes de que os sistemas são confiáveis.
Brendan Frey, professor da Universidade de Toronto, que aplica o aprendizado profundo (deep learning) aos dados genômicos, adverte que os pesquisadores precisarão desenvolver sistemas de aprendizado da máquina capazes de explicar como chegaram a uma determinada conclusão.
Peng, do Google, diz que isso é algo que sua equipe já está trabalhando. “Nós entendemos a importância de explicar as coisas”, diz ela.
Esta pesquisa, publicada ontem, marcou a primeira vez que um paper sobre aprendizagem profunda aparece no Journal of the American Medical Association (JAMA), de acordo com o editor em chefe da revista, Howard Bauchner.
