A Inteligência Artificial na radiologia já é uma realidade, e ganha cada vez mais importância por apresentar benefícios tanto na emissão de laudos quanto na hora de diagnosticar um paciente. Mesmo com estes benefícios, a exponencial inserção da inteligência artificial na radiologia deixa muitos profissionais da área com receio frente à ideia da possível redução do número de vagas de trabalho nesta área médica.

Neste texto, vamos explicar o que é a IA, como ela funciona na radiologia, quais as principais vantagens e como será a integração com os profissionais da área.

 

O que é Inteligência Artificial?

conexao com inteligencia artificial

O conceito de inteligência artificial se refere à capacidade das máquinas de pensarem como seres humanos (ou melhor que eles), com o poder de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente. E este não é um conceito novo. Em 1956, John McCarthy, um professor universitário, criou o termo para descrever um mundo em que as máquinas poderiam “resolver os tipos de problemas que hoje são reservados para humanos.” A tecnologia está presente na nossa vida desde que os computadores começaram a ganhar visibilidade, na década de 1970.

Atualmente, a inteligência artificial está presente no nosso dia-a-dia, mesmo sem o percebermos. Nos smartphones, por exemplo, o corretor ortográfico, a assistente pessoal, a forma como a segurança e o processamento de imagens são geridos e muitos aplicativos funcionam com base na IA. O mesmo acontece quando usamos o computador, o GPS, o último modelo de robô de cozinha ou o de limpeza. A verdade é que, quanto mais dependemos da inteligência artificial para algumas tarefas de rotina, mais ela se torna familiar.

A evolução da inteligência artificial passa por áreas como Machine Learning (aprendizagem de máquina), Deep Learning (aprendizagem profunda) e Processamento de Linguagem Natural. A integração desses conceitos apontam para um futuro em que nossas plataformas e sistemas terão inteligência suficiente para aprender com nossas interações e com nossos dados, tornando-se independentes.

  • Machine Learning: esse segmento da IA identifica padrões e cria conexões a partir de algoritmos e big data (grande conjuntos de dados). Dessa forma, a máquina aprende a executar uma tarefa de forma inteligente e por conta própria, ou seja, sem a ajuda humana. Todo o aprendizado automático é IA, mas nem toda IA conta com o aprendizado automático. Contudo, o aprendizado de máquina é o principal impulsionador da inteligência artificial. No nosso dia a dia, o machine learning está presente nas recomendações personalizadas da Netflix e da Amazon.
  • Deep Learning: segmento do Machine Learning que se refere a redes neurais artificiais profundas, ou seja, um conjunto de algoritmos complexos criados para “imitar” a rede neural do cérebro humano. Essas redes neurais são responsáveis, por exemplo, por reconhecimento de imagens e de sons. O Deep Learning funciona praticamente, e em alguns casos totalmente, sem a supervisão humana.
  • Processamento de Linguagem Natural: utiliza as técnicas de machine learning para encontrar padrões em grandes conjuntos de dados puros e reconhecer a linguagem natural dos seres humanos. O objetivo é que os computadores desenvolvam a capacidade de reconhecer contextos, extrair informações, criar resumos e interpretar os sentidos, além de compor textos. Um dos exemplos dessa aplicação é a análise de sentimento em redes sociais, utilizada por empresas para compreender como os clientes se sentem em relação a marcas e produtos específicos

 

A Inteligência Artificial na Radiologia pode “roubar” empregos?

Esta pergunta está assombrando todos os radiologistas. A inteligência artificial vai fazer com que os radiologistas sejam dispensáveis? Não vai mais haver postos de trabalho? Tudo será substituído por máquinas?

Calma, a IA não vai substituir o radiologista mas sim torná-lo mais rápido, preciso e eficiente. Em um futuro próximo, máquina e especialistas vão trabalhar juntos. Essa integração deve acontecer de forma gradativa – daqui dois a cinco anos, conforme o gráfico abaixo – para que a adaptação à rotina seja bem sucedida. Os radiologistas que souberem trabalhar em conjunto com a tecnologia terão vantagem em relação aos que apresentarem resistência à ela.

Inteligência artificial na radiologia

Fonte: Gartner

A inteligência artificial na radiologia já trabalha com análise qualitativa e acrescenta informações ao caso examinado. Mas essa não é a principal contribuição do radiologista. O profissional possui uma visão holística, imprescindível para fazer um julgamento crítico do laudo e verificar resultados, incluindo informações clínicas, laboratoriais e radiológicas.

“Esse momento de dúvida vai ter uma desaceleração. Ainda não estamos no ponto de substituição do radiologista pela tecnologia. Precisamos encontrar a efetiva utilização de maneira adequada das técnicas de inteligência artificial. Muitas coisas estão vindo para ficar, mas muitas não agregam valor à prática radiológica”, explica Dr. Felipe Barjud, médico neurorradiologista da Faculdade de Medicina da Universidade de São Paulo e do Hospital Israelita Albert Einstein.

A máquina está longe de substituir a ação do radiologista justamente por não possuir a capacidade de análise necessária para essa função.

 

Como é aplicada a Inteligência Artificial na Radiologia

A inteligência artificial na radiologia pode ser explicada em 3 abordagens: análise pré-radiologista, abordagem de segmentação automática e abordagem substitutiva.

  1. Análise pré-radiologista: a abordagem garante a organização de fila de trabalho, ou seja, define prioridades a partir do estado do paciente. A máquina analisa a imagem antes do radiologista e verifica a urgência. Se o caso for uma emergência, como hemorragia intracraniana e AVC, por exemplo, o exame estará no topo da fila de trabalho do radiologista, para que ele o priorize. Essa tecnologia resulta em melhoria de fluxo e otimização dentro dos centros de imagem.
  2. Abordagem de segmentação automática: Trabalha juntamente com o especialista. Faz uma análise quantitativa das imagens, deixando a análise qualitativa para o radiologista. Alguns exemplos são a medição de volumetria do hipocampo ou a segmentação de um tumor cerebral. A máquina pode fazer medições e trazer novas informações de forma a auxiliar o radiologista, aprimorando o resultado do laudo.
  3. Abordagem substitutiva: é a fase de abordagem que se encontra mais distante da realidade. A máquina faz todo o processo, desde organização de fila de trabalho até o diagnóstico final.

Para que um sistema de inteligência artificial na radiologia seja implementado em um centro de imagem, é necessário que ele seja aprovado pela FDA (Food and Drug Administration), nos Estados Unidos, e pela Anvisa (Agência Nacional de Vigilância Sanitária), no Brasil. Alguns sistemas com características específicas já foram aprovados nos Estados Unidos e se encaminham para a aprovação da Anvisa. São algumas operações já automatizadas:

  • Organização de fila baseado em emergência radiológica;
  • Avaliação de densidade óssea baseada em estudos de tomografia;
  • Avaliação de AVC;
  • Pós-processamento automatizado de perfusão;
  • Volumetria de ventrículo em ressonância magnética;
  • Segmentação de volume cerebral;
  • Análise automatizada de radiografia e tomografia de tórax.

 

Vantagens de utilizar inteligência artificial na radiologia

Inteligencia Artificial Na Radiologia

A inserção da inteligência artificial na radiologia, assim como de qualquer outra tecnologia, no campo da saúde pode ser visto como um elemento agregador. Na área da radiologia, a IA já apresenta vantagens como:

  • Melhoria de fluxo: a máquina elenca prioridades de trabalho e auxilia a otimizar tempo e resultados;
  • Maior assertividade dos laudos;
  • Diminuição do tempo de entrega do laudo;
  • Aprimoramento de informações relevantes.

Conforme Danilo Rubin, Diretor Comercial e de Tecnologia da STAR Telerradiologia,  “a inteligência artificial tem potencial para constituir uma importante ferramenta para os radiologistas, permitindo um ganho em assertividade dos laudos emitidos: os radiologistas vão poder se concentrar mais na avaliação holística do caso, interpretando os achados e elaborando diagnósticos, deixando para a máquina análises quantitativas e a identificação de achados menos importantes”, afirma.