Inteligência artificial da Mayo detecta câncer três anos antes de médicos

O modelo de IA REDMOD da Mayo Clinic detectou câncer de pâncreas até três anos antes do diagnóstico em quase 2 mil tomografias, superando radiologistas (73% vs 39%).
O lead time mediano foi de dezesseis meses; em exames com mais de dois anos antes do diagnóstico, a sensibilidade da IA foi aproximadamente três vezes maior que a dos médicos.
O estudo de Harvard/Beth Israel/Stanford sobre o modelo o1 mostrou que a IA ofereceu triagem mais precisa em seis experimentos, com setenta e seis casos de pronto atendimento no Beth Israel ER, em que a IA teve 67% de acerto imediato ou próximo, versus 55% e 50% dos médicos.
Os avaliadores cegos não conseguiam distinguir diagnósticos de IA de diagnósticos humanos; os autores ressaltaram que ainda não há recomendação de uso clínico, solicitando ensaios prospectivos.
O governo dos Estados Unidos está avaliando a avaliação de modelos de IA antes de lançamentos, em meio a debates sobre governança e responsabilidade na área.

Mayo Clinic e Harvard divulgaram avanços em IA que destacam potencial de diagnóstico precoce e triagem em emergências, com impactos na prática médica. Os estudos mostram IA identificando sinais de doenças antes de diagnósticos formais, em cenários clínicos reais, e com comparação a médicos humanos.

Na Mayo Clinic, o modelo REDMOD analisou quase 2 mil tomografias de rotina inicialmente consideradas normais. Em 73% dos casos de câncer pancreático que surgiram posteriormente, a IA sinalizou a doença, frente a 39% de detecção por radiologistas. O tempo médio de vantagem foi de 16 meses.

Em Harvard, pesquisadores avaliaram o modelo o1 em situações de triagem de pronto atendimento, comparando com médicos. Em seis experimentos, o modelo atingiu 67% de diagnósticos exatos ou próximos, contra 55% e 50% dos médicos. Revisores cegos não distinguiram diagnósticos humanos dos gerados pela IA.

Os estudos ressaltam que nenhuma implementação clínica é recomendada ainda; os autores pedem ensaios prospectivos. A diferença mais evidente ocorreu nos minutos iniciais de triagem, quando as informações são escassas e as decisões são cruciais.

Mudanças no cenário e implicações

Pesquisas indicam que IA pode apoiar detecção precoce de doenças com maior sensibilidade em imagens médicas, ampliando a janela de tratamento.
Em emergências, ferramentas de segunda opinião baseadas em IA podem orientar decisões rápidas antes de avaliações completas.
Autoridades de políticas públicas avaliam vias para validação, responsabilidade e regulamentação na prática clínica com IA.

Outros tópicos relevantes envolvendo IA

A relação entre empresas de tecnologia e investidores de risco continua a influenciar o ecossistema de IA, com debates sobre governança e governança de dados.
Significativas parcerias entre organizações de pesquisa e indústria ganham destaque na expansão de aplicações médicas e de processamento de dados.

Essa frente de pesquisa aponta para um debate em andamento sobre quando e como incorporar IA de forma segura na assistência médica, especialmente em cenários de diagnóstico precoce e triagem em serviços de saúde.