Cientistas do Google e de sua subsidiária Verily, especializada no desenvolvimento de tecnologias médicas, desenvolveram uma nova maneira de identificar fatores de risco para o desenvolvimento de doenças cardiovasculares, como doenças coronárias e derrame. Uma rede neural treinada calcula com precisão esses fatores a partir da imagem do fundo.
A foto no canto superior esquerdo mostra uma amostra colorida da varredura do fundo da base do Biobank no Reino Unido. As imagens restantes mostram a mesma imagem, mas em preto e branco. Em cada um deles, um mapa de calor é aplicado em verde, correspondendo a cada um dos sinais adquiridos: idade, sexo, tabagismo (sim / não), açúcar no sangue médio HbA1c, índice de massa corporal IMC, pressão sistólica arterial PAS, pressão diastólica arterial PAD. Os dados reais do banco de dados para cada parâmetro e previstos pela rede neural são indicados.
Conhecendo esses fatores, é possível calcular com precisão a probabilidade de desenvolver doenças cardiovasculares, que são a
principal causa de morte no mundo (cerca de 31% das mortes são causadas por esse motivo).
Com o novo sistema, os médicos podem economizar muito tempo, porque, em vez de vários testes, o diagnóstico preliminar é realizado em alguns minutos. Além disso, teoricamente, o algoritmo permite que esses diagnósticos sejam realizados remotamente. Apenas um oftalmoscópio e um especialista que podem tirar uma foto são necessários.
Espelho e oftalmoscópios eletrônicosObviamente, embora a precisão da rede neural não seja tão alta que substitua um diagnóstico completo, ela mostra resultados promissores. Aqui, a IA não substitui o médico, mas expande suas capacidades.
Para estudar a rede neural, os cientistas do Google e Verily usaram registros médicos com fotografias de fundo de aproximadamente 300.000 pacientes. A maior parte do conjunto de dados foi obtida do banco de dados EyePACS (236.234 pacientes, 1.682.938 imagens). A informação restante foi retirada da base de dados do Biobank no Reino Unido. Embora haja menos dados aqui, para cada paciente havia informações sobre índice de massa corporal, pressão arterial e fato de fumar, o que não consta no banco de dados EyePACS.
A idéia de detectar a doença de uma pessoa na retina não é nova. Mesmo na União Soviética, esses estudos foram realizados e um software para análise de imagens da retina foi criado. Porém, como não havia sistemas de aprendizado de máquina, as possibilidades dos programadores eram limitadas.
Se a rede neural do Google recebe dois pacientes pelo processamento da fotografia do fundo, um dos quais sofreu uma doença cardiovascular nos últimos cinco anos e o outro não, então determina corretamente a afiliação do paciente em 70% dos casos. Isso é um pouco pior que a precisão do algoritmo SCORE agora usado na medicina. Ele tem uma precisão de 72%.
A precisão da determinação do sexo, idade e cada um dos fatores de risco é mostrada na tabela a seguir.
Especialistas dizem que a abordagem do Google de usar uma rede neural nessa tarefa de diagnóstico específica é credível, porque há muito se sabe que a retina é um bom indicador do risco de desenvolver doenças cardiovasculares. Portanto, a inteligência artificial pode acelerar significativamente e potencialmente aumentar a precisão de tais diagnósticos. Obviamente, antes do uso real nas clínicas, o programa deve passar por testes rigorosos para que os médicos comecem a confiar nela.
Essa descoberta foi outra prova de que as redes neurais podem ser amplamente utilizadas na medicina moderna, especialmente em diagnósticos. Estamos apenas buscando as opções mais óbvias para o uso da IA nessa área:
diagnosticar arritmias usando um cardiograma ,
diagnosticar pneumonia usando raios-x ,
diagnosticar câncer de pele etc.
As incríveis possibilidades de usar a IA para diagnosticar doenças é uma das razões pelas quais o Google lançou
o projeto Baseline para coletar registros médicos detalhados para 10.000 pessoas em quatro anos.
O artigo científico foi
publicado em 19 de fevereiro de 2018 na revista
Nature Biomedical Engineering (doi: 10.1038 / s41551-018-0195-0,
pdf ).