Por que implementar a IA no departamento de radiologia

Departamentos de radiologia médica geram uma grande quantidade de dados digitais conforme as imagens obtidas são incluídas no prontuário dos pacientes para o diagnóstico, planejamento de tratamento e acompanhamento. A radiologia é uma especialidade na qual a tecnologia é um fator determinante de assertividade e produtividade e, portanto, constantemente sujeita a mudanças. A implementação de sistemas de Inteligência Artificial (IA), baseada em técnicas de Machine Learning e Deep Learning, vem apresentando um impacto significativo nessa especialidade.

Historicamente, na prática radiológica, médicos treinados avaliavam visualmente as imagens médicas para a detecção, caracterização e monitoramento de doenças. Segundo o médico Ahmed Hosny, no estudo “Artificial Intelligence in radiology”, já em 2018 os radiologistas precisavam interpretar, em média, uma imagem entre 3 e 4 segundos, numa escala diária de 8 horas, para dar conta do fluxo do trabalho. Imagine como está esse fluxo de trabalho atualmente.

Por isso, os sistemas de IA estão sendo utilizados no reconhecimento automático de padrões complexos em dados de imagem e no fornecimento de avaliações quantitativas, em vez de qualitativas, das características radiográficas.

Mas por que a sua clínica de exame ou instituição de saúde deve investir na IA na radiologia?

Como acontece com qualquer tecnologia emergente, líderes de inovação precisam ser cautelosos em sua análise de custo-benefício para determinar o verdadeiro valor da IA e a capacidade de fornecer os resultados desejados em radiologia.

Confira agora alguns dos benefícios obtidos com o uso da IA no diagnóstico da radiologia médica:

Detecção e priorização

Segundo a Associação Canadense de Radiologistas, “definir o limite entre uma imagem normal e anormal de maneira formal é muito complexo e multifatorial. Nesse contexto, o uso da Inteligência Artificial e de Deep Learning impulsionam o diagnóstico ao aprender a avaliar uma representação normal hierárquica de um tipo específico de imagem a partir de um grande volume de exames normais”.

Com a detecção automatizada, os radiologistas visualizam as imagens com base na prioridade de leitura, o que acelera os diagnósticos e melhora o atendimento ao paciente, já que a IA extrai imagens semelhantes de um banco de dados para revisão quando encontra casos incomuns ou complexos. A IA tem a capacidade de captar a complexidade do diagnóstico por imagem para que o radiologista possa se concentrar nos casos que requerem essa atenção especializada.

Segmentação

Desenvolvida com o auxílio de radiologistas, a plataforma Hepatia entrega um processo de priorização de laudos com alta suspeição para carcinoma hepatocelular. Com a utilização de diferentes técnicas de Machine Learning, podemos identificar objetos específicos de imagens, como identificação da região com fígado e de uma lesão em um exame de tomografia computadorizada.

Para a European Society of Radiology (ESR), a aplicação da IA é “crucial para reduzir a carga no fluxo de trabalho de radiologia”. E, em seu estudo, o dr. Hosny ressalta que “de muitas maneiras, o Machine Learning e Deep Learning podem espelhar algumas tarefas (nunca todo o processo) que radiologistas treinados fazem, ou seja, identificar parâmetros de imagem, mas também correlacionar esses parâmetros com múltiplos outros fatores (big data) para chegar a uma decisão clínica.”

Monitoramento e registro

O monitoramento do desenvolvimento de um tumor requer a comparação de várias imagens para rastrear o progresso e nem todas as características de mudança são diretamente identificáveis ​​pelos humanos, como em geral são visualizadas as variações moderadamente grandes no tamanho do objeto, forma e cavitação. Características não identificáveis podem incluir variações sutis na textura e heterogeneidade dentro do objeto.

Em radiologia, a precisão da tomada de decisão clínica depende da riqueza de dados contidos em uma imagem, e a IA é uma ferramenta de otimização para auxiliar o radiologista no acompanhamento e na escolha de um protocolo personalizado do paciente.

Estruturação dos dados das imagens

Sem organização, dados e informações, as imagens não formam um contexto, e de nada servem para os radiologistas. É preciso associar os dados de radiologistas, pacientes, exames, laudo etc. em um prontuário que possa ser acessado em um banco de dados único e estruturado, seguindo rígidas políticas de segurança.

Assim, a IA possui muito potencial para melhorar a eficiência operacional, liberando especialistas de tarefas repetitivas e complementando as habilidades de um radiologista, identificando mudanças mais sutis em exames, reduzindo o tempo de planejamento de tratamento ao analisar grandes quantidades de dados. Nesse cenário, fica claro que a implementação da IA nos departamentos de radiologia é uma questão simples diferenciação, mas sim de ganho de performance e equilíbrio do sistema a longo prazo.