Cientistas criam ferramentas personalizadas para auxílio na interpretação de imagens e leitura de laudos de exames radiológicos do pulmão

A inteligência artificial (IA) certamente é um dos temas mais falados na área de inovação. Bancos, operadoras, assistentes digitais, setores de ensino, todos estão envolvidos na busca pela modernização e otimização que só essa nova tecnologia pode prover. No setor da saúde, contudo, a inovação e a IA andam ainda mais próximas, e prometem resultados impactantes para o atendimento médico.

Nomear essa nova tecnologia de “inteligência” não é mera licença poética, na realidade, a aprendizagem da máquina se dá de maneira bem semelhante à nossa: processamos um grande número de informações que nos são providas e a partir disso desenvolvemos nosso próprio raciocínio. Quanto mais informações de qualidade, melhor entendemos determinado assunto.

Além de nossa subjetividade, a parte em que não somos tão parecidos com a IA é no volume de informações que somos capazes de processar. Enquanto nos exaurimos com algumas centenas de dados, as máquinas processam com agilidade centenas de milhares, e como não ficam cansadas ou distraídas, também mantêm estável seu potencial de acerto.

Na corrida pela IA na área da saúde, o setor da radiologia é um dos mais avançados, já que a análise de imagens poderia ficar muito mais precisa com o auxílio de uma ferramenta que tem milhares de referências para diversas alterações que possam surgir nos exames. Muito longe de substituir o papel dos radiologistas, o desenvolvimento da IA na área de imagem é uma otimização do tempo do médico e de seus pacientes, já que essas ferramentas podem acelerar processos de aquisição das imagens e de diagnóstico, oferecendo uma primeira avaliação para otimizar o tempo dos profissionais da saúde.

A possibilidade de diagnósticos mais rápidos e precisos, além do grande potencial de aplicação dessas ferramentas no ambiente hospitalar, é uma das principais razões pelas quais o Instituto D’Or de Pesquisa e Ensino (IDOR) desenvolve pesquisas de IA na área de imagem, especificamente no campo da radiologia torácica.

Pesquisas de IA no IDOR

No IDOR, o desenvolvimento de pesquisas envolvendo a inteligência artificial não é novidade. A área de medicina intensiva do Instituto possui uma linha dedicada à análise de grandes bancos de dados de unidades de terapia intensiva (UTI), que é realizada através de aprendizado de máquina (machine learning). Esse é um tipo de abordagem da IA que permite que os sistemas computacionais aprendam a padronizar e criar relações em grandes bancos de dados para otimizar seu desempenho em tarefas específicas.

No caso das UTIs, essa otimização foca em identificar padrões que possam explicar a evolução de diferentes perfis de pacientes, reconhecer impacto de procedimentos e orientar futuros atendimentos, de forma a melhorar a performance das equipes e promover um melhor uso dos recursos destas unidades.

Já na área de pesquisa em imagem, as ferramentas desenvolvidas buscam auxiliar no diagnóstico de diversas doenças pulmonares. Esse auxílio se desdobra em duas linhas investigativas, que utilizam diferentes abordagens de IA.

Identificando doenças pulmonares através de imagens

Na primeira linha de pesquisa, o foco é a detecção, caracterização e quantificação de doenças pulmonares, como a fibrose pulmonar e a doença pulmonar obstrutiva crônica (DPOC). Para esse objetivo, uma ferramenta de IA está sendo gradualmente treinada para identificar sinais de diferentes doenças em imagens de tomografia computadorizada do tórax através de uma abordagem de rede neural convolucional (CNN, da sigla original em inglês), tecnologia usada principalmente para processamento de imagens e tarefas de visão computacional.

“No momento, estamos ensinando à CNN os diversos padrões e doenças. Já a utilizamos em estudos com covid-19 e atualmente estamos ensinando com imagens de enfisema pulmonar. Vamos adicionando doenças e nosso objetivo final é ter uma ferramenta completa, que seja capaz de caracterizar uma grande diversidade de doenças”, explica a Dra. Rosana Rodrigues, cientista do IDOR e radiologista dos hospitais Copa D’Or e Copa Star, da Rede D’Or no Rio de Janeiro, e do hospital universitário da Universidade Federal do Rio de Janeiro (UFRJ).

Segundo a Dra. Rosana Rodrigues, no momento cerca de 100 mil imagens de enfisema pulmonar, de mais de 300 exames tomográficos, estão sendo trabalhadas uma a uma por sua equipe, que marca os sinais da doença em cada imagem para que a máquina possa identificar futuramente os padrões em suas análises, sendo capaz de indicar ausência ou presença de enfisema pulmonar, seus subtipos, sua extensão e estratificar os pacientes por gravidade. Mas a pesquisadora detalha que esses resultados só ocorrem após muitas testagens e checagens da equipe, processo que é repetido até a IA atingir elevado grau de precisão.

Identificando doenças pulmonares através de laudos

Além de desenvolver ferramentas para a leitura de imagens radiológicas do pulmão, o IDOR também desenvolveu uma solução para leitura de laudos de tomografia computadorizada de tórax. Um dos principais objetivos dessa linha de pesquisa é identificar nódulos pulmonares potencialmente cancerígenos em laudos que não haviam sido realizados para o rastreamento de câncer, em especial laudos emitidos no atendimento de emergência.

Rodrigues explica que a ideia da ferramenta ocorreu durante a pandemia, quando muitas tomografias eram realizadas para identificar a necessidade de internação para os pacientes com covid-19. Segundo ela, muitas dessas imagens mostravam nódulos pulmonares que podiam ser suspeitos para o câncer, mas com a urgência do momento nem sempre essas lesões eram investigadas, e, com as medidas de isolamento social, os pacientes nem sempre retornavam para buscar o resultado de seus exames. Nesse cenário, uma máquina capaz de avaliar retrospectivamente os laudos médicos seria (e foi) muito útil para identificar achados incidentais de câncer de pulmão em pacientes que não estavam sendo investigados para isso.

Esse trabalho foi detalhado em uma publicação recente da equipe de Rodrigues, composta por radiologistas e desenvolvedores que utilizaram uma outra abordagem de IA para essa necessidade. Como o foco de entendimento da máquina seria a caracterização de nódulos descritos nos laudos dos exames, essa ferramenta não precisaria interpretar imagens, mas deveria ser capaz de entender as diversas variações de linguagem presentes nos laudos. Com isso em mente, o NLP, do inglês Natural Language Processing, foi o recurso de IA escolhido para o desenvolvimento da ferramenta.

O processo de treinamento, contudo, não foi muito diferente da CNN, já que mais de 20 mil laudos foram usados pelos cientistas para promover o entendimento da máquina, que passou por diversas testagens supervisionadas até atingir uma incrível acurácia de 98% na identificação de nódulos malignos.

O céu é o limite

Os estudos que envolvem o uso de IA na radiologia estão em pleno desenvolvimento, e os cientistas do IDOR enxergam com entusiasmo a expansão dessas pesquisas. A ferramenta de CNN está nas últimas fases de teste para ter uma aplicação clínica mais ampla, e os pesquisadores já submeteram sua avalição à Anvisa, enquanto a ferramenta de NLP vem sendo empregada em diversos hospitais da Rede D’Or para a identificação de pacientes que podem ter um câncer de pulmão despercebido. “Na IA o céu é o limite, tudo o que você pensar é possível fazer, se você tiver um banco de dados bem grande e um bom desenvolvedor”, comenta a Dra. Rosana Rodrigues.

Ela revela ainda que seu grupo tem planos de desenvolver ferramentas similares para a leitura de raio-X de tórax, além de colaborar com outras áreas de pesquisa do IDOR para investigar temas como câncer de mama e doenças hepáticas.

O aprimoramento das ferramentas de IA para auxílio em exames radiológicos de pulmão tem muito a contribuir para o diagnóstico de doenças pulmonares. O recurso se mostrou particularmente relevante pela possibilidade da identificação precoce de doenças pulmonares, que apresentam maior probabilidade de cura quando tratadas em estágios iniciais.

Escrito por Maria Eduarda Ledo de Abreu.