Desafios da inteligência artificial na detecção de câncer são revelados em novo estudo

O uso de inteligência artificial (IA) na detecção de câncer está avançando, com novos modelos sendo desenvolvidos para auxiliar patologistas. Radiologistas e patologistas analisam imagens de exames e tecidos para identificar padrões que indicam a gravidade do câncer e possíveis tratamentos. Andrew Norgan, patologista da Mayo Clinic, destaca que a IA é eficaz em reconhecimento de padrões, uma habilidade essencial na medicina. Recentemente, um modelo chamado Atlas, desenvolvido pela Aignostics em parceria com a Mayo Clinic, foi treinado com 1,2 milhão de amostras de tecido e mostrou resultados promissores em testes de precisão.

O Atlas superou outros modelos em seis dos nove testes realizados, alcançando uma precisão de 97,1% na classificação de tecidos cancerígenos colorretais. No entanto, em outra tarefa, a classificação de biópsias de câncer de próstata, sua pontuação foi de apenas 70,5%. Apesar de os melhores modelos se aproximarem da precisão humana em algumas tarefas, ainda há desafios significativos a serem superados para que a IA se torne clinicamente útil. Carlo Bifulco, da Providence Genomics, afirma que modelos de IA precisam ser ainda mais precisos para serem considerados eficazes.

Um dos principais obstáculos é a falta de dados de treinamento, já que menos de 10% das práticas de patologia nos EUA são digitalizadas. A Mayo Clinic iniciou um projeto para digitalizar suas práticas e coletar amostras de tecidos, o que resultou na criação de um banco de dados robusto para treinar modelos de IA. Outro desafio é a complexidade das imagens digitais, que podem conter mais de 14 bilhões de pixels, dificultando a seleção de informações relevantes para o treinamento da IA.

Além disso, a eficácia da IA em prever mudanças moleculares associadas ao câncer ainda é limitada. O Atlas teve um desempenho médio de 44,9% em testes moleculares, indicando que há um longo caminho a percorrer. Bifulco observa que, embora o Atlas represente um progresso incremental, é necessário um avanço significativo nos modelos e conjuntos de dados para melhorar a detecção de câncer por IA.