A IMPORTÂNCIA DA INTELIG�NCIA ARTIFICIAL NO DIAGNÓSTICO BASEADO EM EXAMES DE IMAGEM

Autores

  • Laura Rohlfs Taquary Universidade Evangà©lica de Goiás - UniEVANGà‰LICA
  • Rodrigo Scaliante de Moura Universidade Evangà©lica de Goiás - UniEVANGà‰LICA

Palavras-chave:

inteligência artificial, exames de imagem, exames

Resumo

O OBJETIVO DESTE SUBPROJETO � AVALIAR, ATRAV�S DE UMA REVISÃO INTEGRATIVA DA LITERATURA, O ATUAL CEN�RIO DO USO DE INTELIG�NCIA ARTIFICIAL NO �MBITO DA SAÚDE, ESPECIALMENTE NA �REA DE INTERPRETA��O DE EXAMES DE IMAGEM. DESCRI��O (TIPO DA PESQUISA, AMOSTRAGEM, PROCEDIMENTOS E INSTRUMENTOS DE COLETA DE DADOS, ORGANIZAÇÃO, TRATAMENTO E ANÁLISE DE DADOS).

 ESTE TRABALHO CONSISTE EM UMA REVISÃO INTEGRATIVA DA LITERATURA, COM FOCO NA PESQUISA EXPLORATÓRIA DESCRITIVA, ACERCA DO USO DA INTELIG�NCIA ARTIFICIAL NA �REA DA SAÚDE. A PESQUISA DOS ARTIGOS FOI FEITA POR MEIO DAS PLATAFORMAS SCIENTIFIC ELETRONIC ONLINE (SCIELO), GOOGLE SCHOLAR, PUBLIC MEDLINE (PUBMED) E LITERATURA LATINO-AMERICANA E DO CARIBE EM CI�NCIAS DA SAÚDE (LILACS), SENDO USADOS OS DESCRITORES �€ŒINTELIG�NCIA ARTIFICIAL�€, �€ŒSA�DE�€, �€ŒTECNOLOGIA�€ E �€ŒRADIOLOGIA�€ E SEUS EQUIVALENTES EM INGLÊS. FORAM INCLU�DOS ARTIGOS PUBLICADOS E INDEXADOS EM INGLÊS, ESPANHOL OU PORTUGU�S, ENTRE 2011 E 2022. O PROCESSO DE ANÁLISE DOS ARTIGOS FOI COMPOSTO PELAS SEGUINTES ETAPAS: LEITURA DO T�TULO DA PESQUISA, ANÁLISE DO RESUMO E, POR FIM, LEITURA DO ARTIGO NA �NTEGRA. OS CRIT�RIOS PARA INCLUS�O DOS ARTIGOS FORAM BASEADOS NOS MATERIAIS QUE SE ENCONTRAVAM DE ACORDO COM A TEM�TICA PROPOSTA, ENFATIZANDO AS PESQUISAS DIRECIONADAS PARA A �REA DA RADIOLOGIA. FORAM EXCLU�DOS ARTIGOS COM FOCO APENAS NA TECNOLOGIA POR TR�S DO DESENVOLVIMENTO DA INTELIG�NCIA ARTIFICIAL, DANDO ENFOQUE SEMPRE PARA A APLICA��O NA PR�TICA M�DICA. COM BASE NOS CRIT�RIOS DE INCLUS�O E EXCLUS�O DESCRITOS, FORAM SELECIONADOS APENAS TRABALHOS QUE ATENDIAM DE FORMA SATISFATÓRIA O EIXO DESIGNADO PARA ESSE ESTUDO.

UM PROFISSIONAL DE SAÚDE NO CAMPO DE DIAGNÓSTICO BASEADO EM IMAGEM, AO FINAL DE SUA CARREIRA PODER� TER TIDO ACESSO A CENTENAS DE MILHARES DE EXAMES, GARANTINDO UMA EXPERTISE BASEADO NA EXPERI�NCIA E CONHECIMENTOS ACUMULADOS. UMA IA, PORÉM, PODE SER PROGRAMADA PARTINDO DE UM N�MERO SEMELHANTE DE IMAGENS E SER TREINADA DENTRO DE UM PER�ODO MUITO CURTO DE TEMPO COM MILH�ES DE NOVOS EXAMES. ESSE CONCEITO � FUNDAMENTAL PARA O ENTENDIMENTO DA IMPORT�NCIA DA IA NA PR�TICA M�DICA, VISTO QUE, A TECNOLOGIA � CAPAZ DE ARMAZENAR E PROCESSAR VASTAS QUANTIDADES DE DADOS ACERCA DE DOEN�A, DIAGNÓSTICO, TRATAMENTO E PROGNÓSTICO NOS MAIS DIVERSOS PACIENTES DE FORMA AUTOM�TICA E R�PIDA. DESSA FORMA, A ASSIST�NCIA M�DICA NÃO FICA � MERC� DA CONSTRU��O DE EXPERI�NCIA AO LONGO DOS ANOS, MAS SIM, DE UM SISTEMA INTEGRADO DE ALGORITMOS CAPAZES DE REVOLUCIONAR O FUTURO DA MEDICINA. (MINTZ; BRODIE, 2019).

CONFORME REVISÃO DE SANTOS ET AL. (2019), O �€ŒAPRENDIZADO DE M�QUINA�€ (MACHINE LEARNING) PODE MIMETIZAR A INTELIG�NCIA HUMANA ATRAV�S DA FERRAMENTA COMPUTER AIDED DIAGNOSIS/DETECTION (CAD). ESSA FERRAMENTA � CAPAZ DE CRIAR UM M�TODO DE APRENDIZADO, CLASSIFICANDO IMAGENS MÉDICAS E FAZENDO USO DE INFER�NCIA LÓGICA. SEGUNDO OS AUTORES, FORAM REGISTRADOS 237 EVENTOS CONTENDO TÓPICOS RELACIONADOS A INTELIG�NCIA ARTIFICIAL NO �LTIMO CONGRESSO DA SOCIEDADE AMERICANA DE RADIOLOGIA (RSNA MEETING 2018), ATUALMENTE O MAIOR CONGRESSO DO MUNDO DENTRO DA ESPECIALIDADE. ALGUNS EXEMPLOS CITADOS FORAM: DETEC��O AUTOM�TICA DE NÓDULOS PULMONARES, PNEUMONIA, PNEUMOTÓRAX, DERRAME PLEURAL NA RADIOGRAFIA SIMPLES DE TÓRAX, ESTIMATIVA DO RISCO DE MALIGNIDADE DE NÓDULOS PULMONARES E RISCO CARDIOVASCULAR NA TC DE TÓRAX E FUN��O CARD�ACA NA RESSON�NCIA MAGN�TICA, DENTRE OUTROS. DESSA FORMA, OS AUTORES CONSIDERAM QUE AS FERRAMENTAS DE AUX�LIO DIAGNÓSTICOS COMPUTADORIZADO SÃO ILIMITADAS. TEND�NCIA QUE SE MANTEVE NA PROGRAMA��O DOS EVENTOS SEGUINTES DA SOCIEDADE AMERICANA DE RADIOLOGIA (RSNA MEETING, 2022).

OUTRO EXEMPLO DE EVOLU��O TECNOLÓGICA � O SISTEMA DE ANÁLISE DE TOMOGRAFIA ESPACIAL DE FASE CARD�ACA. � UM NOVO M�TODO DE IMAGEM TOMOGR�FICA NÃO INVASIVA QUE SE BASEIA EM IA E TEM O OBJETIVO DE 3 IDENTIFICAR DOEN�A ARTERIAL CORONARIANA (DAC). ESSA T�CNICA � EFICIENTE PARA AVALIAR A PRESEN�A DE LES�ES CORON�RIAS OBSTRUTIVAS EM PACIENTES QUE QUEIXAM DE DOR TOR�CICA COM POSS�VEL ETIOLOGIA CARD�ACA. APRESENTA DESEMPENHO DIAGNÓSTICO COMPAR�VEL �S MODALIDADES FUNCIONAIS E ANAT�MICAS EXISTENTES, PORÉM TRAZ A VANTAGEM DE NÃO NECESSITAR DE ESTRESSE CARD�ACO (EXERC�CIO OU FARMACOLÓGICO) E EXPOSI��O � RADIOATIVIDADE. (STUCKEY, ET AL., 2018). AINDA DENTRO DA CARDIOLOGIA, UM ALGORITMO BASEADO EM PADR�ES MEM�TICOS, ISTO �, M�TODOS ESTAT�STICOS COMBINADOS E ESTRAT�GIAS DE INTELIG�NCIA ARTIFICIAL, FOI BEM SUCEDIDO EM PACIENTES SUBMETIDOS A AVALIA��O DE DAC, POIS � UM M�TODO NÃO INVASIVO COM VALOR PREDITIVO, PREVENTIVO E PERSONALIZADO. (ZELLWEGER, ET AL., 2018).

 O ARTIGO ESCRITO POR HOSNY ET AL. (2018) TEVE BASE TEÓRICA EM MAIS DE 120 OUTROS ARTIGOS E TAMB�M CORROBORA COM A IMPORT�NCIA DA IA NA PR�TICA M�DICA, PRINCIPALMENTE NO DIAGNÓSTICO IMAGENOLÓGICO. FORAM CITADOS EXEMPLOS DE APLICA��ES CL�NICAS PRINCIPALMENTE NA �REA DA RADIOLOGIA ONCOLÓGICA, ENTRE ELES: IDENTIFICA��O DE LES�ES MALIGNAS OU BENIGNAS NO F�GADO E SUA EVOLU��O, ANÁLISE DE PÓLIPOS INTESTINAIS COM POTENCIAL RISCO DE C�NCER COLORRETAL E RECONHECIMENTO DE TUMORES CEREBRAIS. UMA APLICA��O QUE PARECE SER EXTREMAMENTE PROMISSORA � A UTILIZA��O DE IA PARA REALIZAR AUTOMATICAMENTE, E BASEADO NO SEGMENTO TUMORAL, O PLANEJAMENTO DE RADIOTERAPIA EM PACIENTES ONCOLÓGICOS, OTIMIZANDO SEMPRE A DOSE DE RADIA��O TERAP�UTICA ADEQUADA.

OUTRA DESCOBERTA EXTREMAMENTE RELEVANTE FOI A UTILIZA��O DE IA PARA DETECTAR TUBERCULOSE, UMA DOEN�A QUE AINDA � UMA GRANDE AMEA�A � SAÚDE GLOBAL (JAEGER ET AL., 2014). SEGUNDO KULKARNI ET AL. (2019), A APLICA��O DA IA NESSA DOEN�A SE INICIOU COM PROGRAMAS DE CAD E EVOLUIU PARA UM APRENDIZADO PROFUNDO QUE � AINDA MAIS PRECISO, UTILIZANDO UMA BASE DE DADOS EM RADIOGRAFIAS DE TÓRAX EXTREMAMENTE EXTENSA. TAIS AUTORES SUGERIRAM QUE O MELHOR USO DE TAIS ALGORITMOS SERIA PARA AUMENTAR A CAPACIDADE DOS RADIOLOGISTAS QUE TRABALHAM EM REGI�ES END�MICAS E COM POUCOS RECURSOS, SENDO IMPRESCIND�VEL O DIAGNÓSTICO PRECOCE DA DOEN�A PARA ADEQUADO TRATAMENTO.

� IRREFUT�VEL QUE O MUNDO ESTÁ CADA VEZ MAIS ADAPTADO A ALGORITMOS, APLICATIVOS, COMPUTADORES E, � VISTA DISSO, A IA, SE TORNANDO MAIS NOTÓRIA E EXPRESSIVA EM TODOS OS CAMPOS DA VIDA DO HOMEM MODERNO. EM VISTA DO ATUAL CEN�RIO MUNDIAL EM RELAÇÃO AO USO DE IA E AS EXPECTATIVAS QUE ELA TRAZ CONSIGO PARA O FUTURO, � CERTO A IMPORT�NCIA DE ESTUDOS COMO ESSE APRESENTADO, POIS SÃO EVIDENCIADOS OS NOVOS CAMINHOS QUE A SAÚDE ESTÁ TRILHANDO, AL�M DE ABARCAR OS IMPACTOS QUE ISSO PODE PROMOVER, TANTO NA �REA IMAGENOLÓGICA, QUANTO NA �REA CL�NICA. A TECNOLOGIA J� FAZ PARTE DO COTIDIANO DA POPULA��O EM �REAS B�SICAS COMO TRANSPORTE, ATENDIMENTO, GESTÃO E, ATUALMENTE, ESTÁ CADA VEZ MAIS FORTE NA SAÚDE, INDO AL�M DO SEU J� PRESENTE USO EM ANÁLISE DE DADOS E PRONTU�RIOS ELETR�NICOS.

Referências

SARWAR, S., et al. Physician perspectives on integration of artificial intelligence into diagnostic pathology. NPJ digital medicine, v. 2, n. 1, p. 1-7, 2019.

LOBO, L.C. Inteligência artificial, o Futuro da Medicina e a Educação Médica. Revista Brasileira de Educação Médica, v. 42, n. 3, p. 3-8, 2018.

PAIVA, O.A.; PREVEDELLO, L.M. O potencial impacto da inteligência artificial na radiologia. Radiologia Brasileira, v. 50, n. 5, p. V-VI, 2017.

LOBO, L.C. Inteligência artificial e medicina. Revista Brasileira de Educação Médica, v. 41, n. 2, p. 185-193, 2017.

AZEVEDO-MARQUES, P.M. Diagnóstico auxiliado por computador na radiologia. Radiologia Brasileira, v.34, n.5, p.285-293, 2001.

CHOY, G., et al. Current applications and future impact of machine learning in radiology. Radiology, v. 288, n. 2, p. 318-328, 2018.

OLSEN, T.G., et al. Diagnostic performance of deep learning algorithms applied to three common diagnoses in dermatopathology. Journal of pathology informatics, v. 9, 2018

STUCKEY, T. D., et al. Cardiac Phase Space Tomography: A novel method of assessing coronary artery disease utilizing machine learning. PloS one, v. 13, n. 8, p. e0198603, 2018.

ZELLWEGER, M.J., et al. A new non-invasive diagnostic tool in coronary artery disease: artificial intelligence as an essential element of predictive, preventive, and personalized medicine. EPMA Journal, v. 9, n. 3, p. 235-247, 2018.

TACCHELLA, A., et al. Collaboration between a human group and artificial intelligence can improve prediction of multiple sclerosis course: a proof-of-principle study. F1000Research, v. 6, 2017.

SANTOS, M.K., et al. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia Brasileira, v. 52, n. 6, p. 387-396, 2019.

FAVA. R. Trabalho, educação e inteligência artificial: a era do indivíduo versátil. Porto Alegre, Penso, 2018.

MINTZ, Yoav; BRODIE, Ronit. Introduction to artificial intelligence in medicine. Minimally Invasive Therapy & Allied Technologies, v. 28, n. 2, p. 73-81, 2019.

SANTOS, Marcel Koenigkam et al. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia Brasileira, v. 52, p. 387-396, 2019.

HOSNY, Ahmed et al. Artificial intelligence in radiology. Nature Reviews Cancer, v. 18, n. 8, p. 500-510, 2018.

JAEGER, Stefan et al. Two public chest X-ray datasets for computer-aided screening of pulmonary diseases. Quantitative imaging in medicine and surgery, v. 4, n. 6, p. 475, 2014.

ELLAHHAM, Samer. Artificial intelligence: the future for diabetes care. The American journal of medicine, v. 133, n. 8, p. 895-900, 2020.

Downloads

Publicado

2022-11-30