IA avança no diagnóstico de câncer, mas desafios ainda persistem

Tudo sobre Inteligência Artificial

Pesquisadores estão desenvolvendo modelos de inteligência artificial (IA) para ajudar no diagnóstico de câncer, um campo que envolve a identificação de padrões em tecidos para detectar tumores e avaliar sua gravidade.

A IA tem se mostrado promissora nessa área, especialmente no reconhecimento de imagens, e os pesquisadores acreditam que ela pode acelerar o processo diagnóstico e até detectar algo que humanos possam ter perdido.

Um modelo recente, chamado Atlas, desenvolvido pela Aignostics em parceria com a Clínica Mayo, foi treinado com 1,2 milhão de amostras de tecido e comparado a outros modelos líderes, vencendo seis de nove testes.

Leia mais:

Embora os resultados sejam promissores, o Atlas ainda não está pronto para uso clínico, apresentando desempenho variável entre os tipos de câncer, com 97,1% de precisão em câncer colorretal, mas apenas 70,5% em câncer de próstata. O estudo sobre o modelo foi publicado na arXiv.

Obstáculos que ainda precisam ser superados

• A IA precisa de um grande volume de dados para ser eficaz, mas a digitalização de amostras de tecido é limitada.
• Menos de 10% das práticas de patologia nos EUA são digitalizadas, dificultando o treinamento de modelos com uma gama ampla de exemplos.
• A Clínica Mayo tem digitalizado suas amostras de patologia para contornar esse problema, coletando milhões de imagens para melhorar os modelos.
• Além disso, as imagens de tecidos de biópsias são extremamente grandes e complexas, o que aumenta os custos e dificulta a análise.
• Outra dificuldade está em identificar quais características moleculares dos tecidos são mais importantes para o diagnóstico, um desafio que os modelos de IA ainda não superaram completamente.

Apesar dos avanços, os especialistas apontam que os modelos de IA ainda não são perfeitos e que mais dados e inovações são necessários para alcançar uma detecção precisa em nível clínico.

A IA está fazendo progresso, mas os desafios relacionados a dados, processamento e análise molecular ainda precisam ser resolvidos antes que esses sistemas possam ser amplamente aplicados na prática clínica.