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.
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.
