Inteligência Artificial na radiologia agiliza exames, abre novas perspectivas para os diagnósticos e beneficia médicos, pacientes e sistema de saúde

Salvador, 25/04/2022 – E se um exame de ressonância magnética pudesse ser feito até 40% mais rápido? E se de uma tomografia do abdômen solicitada por queixa de dores na região, fosse possível extrair informações extras? Por exemplo, o risco maior de um paciente desenvolver osteoporose (perda progressiva de massa óssea, tornando os ossos enfraquecidos), um diagnóstico feito apenas por meio de densitometria óssea – um exame de imagem que pacientes fazem com menos frequência que uma tomografia de abdômen.

Tudo isso e muito mais são possibilidades muito próximas de se tornarem rotina na radiologia graças ao “casamento” da especialidade com a Inteligência Artificial (IA), afirma o médico neurorradiologista, Felipe Kitamura, superintendente de Inovação Aplicada e Inteligência Artificial da Dasa e um dos coordenadores do 1º Encontro Latino-Americano de Inteligência Artificial em Saúde, que acontece na 52ª Jornada Paulista de Radiologia (JPR 2022), no Transamerica Expo Center, em São Paulo, de 28 de abril a 1 de maio.

Um exame de ressonância magnética mais rápido traz conforto para pacientes que têm dificuldade de permanecer muito tempo no ambiente do equipamento, além de permitir fazer um número maior de procedimentos por dia. Essa produtividade contribui para diminuir custos porque o laboratório privado ou público, além de fazer mais exames por dia, não precisará investir em mais um equipamento de ressonância para atender sua demanda. Ele pode trabalhar com o algoritmo de IA e o equipamento já existente. “A possibilidade de extrair mais informações de determinados exames de imagem, como de uma tomografia do abdômen, é o que chamamos de rastreio de oportunidade que contribui, entre muitos outros aspectos, para o diagnóstico precoce de doenças”, afirma Kitamura.

Algoritmos de IA também podem ser incluídos no processo de controle de qualidade dos laudos, revisando grande número desses documentos e apontando eventuais inconsistências. Hoje o controle de qualidade, em geral, é feito por amostragem. Médicos mais experientes revisam um número específico de laudos, uma medida fundamental de qualidade, mas que não é escalável. O algoritmo de IA é capaz de apontar inconsistências como a de um laudo que informe que “a vesícula está normal em um paciente que fez cirurgia de vesícula biliar”. É um tipo de erro que pode escapar do olhar humano do médico radiologista que escreve cerca de 30 ou 60 laudos em um dia, utilizando uma máscara padrão como base.

Outra exemplo de aplicação é a gestão inteligente da agenda. O médico ultrassonografista, em geral, é remunerado por exame realizado. Portanto, se ele chega para trabalhar e metade dos pacientes marcados não comparece, isso é prejudicial para ele, para o laboratório e para os pacientes que tentaram marcar exame naquele dia e não conseguiram porque os horários estavam lotados. “Algoritmos de IA são capazes de analisar e prever o potencial de risco de faltas e gerenciar a agenda, confirmando de maneira criteriosa um número a mais de pacientes a serem agendados, evitando a ociosidade”, explica o especialista.

Regulação, pesquisas e estudos clínicos

Segundo Kitamura, a IA é uma tecnologia em ascensão que veio para ficar e auxiliar na rotina, permitindo ao médico radiologista ter mais eficiência em seu trabalho, abrir novas perspectivas diagnósticas, além de contribuir para eficiência dos laboratórios e do sistema de saúde. “A IA na radiologia não veio para substituir o médico radiologista, mas para ser uma importante aliada. Por isso, é muito importante entender seu potencial e quais são os limites”, afirma. Em termos regulatórios, o Brasil, na opinião de Kitamura, acaba de dar um passo muito importante com a publicação no Diário Oficial da União em 30 de março da Resolução RDC 657/22 da ANVISA – Agência Nacional de Vigilância Sanitária, específica para a regularização de Softwares como Dispositivos Médicos. “Esse é um avanço regulatório importante que tem impacto no desenvolvimento e utilização de algoritmos de Inteligência Artificial na radiologia e em outras especialidades da medicina”, afirma.

O especialista ressalta que na área da saúde ferramentas tecnológicas devem ser robustas e confiáveis porque a variável é a vida das pessoas. “Na medicina, toda nova tecnologia, seja um medicamento, um tratamento ou uma aplicação de IA, precisa ter validação e evidências científicas de que é eficiente e não causa prejuízo ao ser humano”, afirma. No caso da IA é importante que o médico tenha conhecimento das utilidades que essa tecnologia pode ter na radiologia. “Por enquanto, temos estudos científicos sobre o desenvolvimento de algoritmos e suas aplicações. Para chegar a ferramentas seguras, robustas e úteis tem um caminho no meio que são os estudos clínicos, uma etapa em andamento”, diz.

Quando o algoritmo aprendeu a olhar imagens

O desenvolvimento técnico da IA começou nas décadas de 1940 e 1950, mas alcançou seu primeiro resultado expressivo em 2012, quando cientistas da computação desenvolveram algoritmos que permitiam ao computador olhar e dizer o que tinha dentro de uma imagem. Em 2015, foi a primeira vez que algoritmos de Inteligência Artificial ao olhar imagens apresentaram taxa de erro menor comparado a um ser humano. “Na prática, é como se mostrássemos mil fotos para uma pessoa e para um computador e pedíssemos para cada um identificar determinadas imagens e o computador acertasse mais que a pessoa”, explica Kitamura. Segundo ele, isso abriu um potencial enorme de utilização da IA na radiologia.

Inteligência artificial significa dar habilidades humanas a computadores. A IA pode ser dividida em duas grandes áreas: a IA restrita, que permite, por exemplo, que usuários de streaming recebam recomendações de filmes ou que e-mails de spam sejam reconhecidos; e a IA Geral, que são recursos que estão muto longe da realidade, que podem ser vistos apenas em filmes ou livros de ficção científica, nos quais robôs têm vontade própria e habilidades socioemocionais. “Na IA restrita, que é a realidade dos estudos, cada algoritmo é especializado em uma tarefa. Portanto, em aplicações de radiologia, precisamos de um algoritmo diferente para cada tipo de exame”, afirma Kitamura, listando alguns exemplos: detecção pneumonia em radiografia de tórax, quantificação do acometimento por COVID-19 na tomografia de tórax, detecção de hemorragia na tomografia de crânio etc.

Destaques da programação

O 1º Encontro Latino-Americano de Inteligência Artificial em Saúde vai trazer na primeira sessão, logo depois da abertura do presidente da SPR, Cesar Higa Nomura, profissionais de países da América Latina – além do Brasil, Colômbia, Argentina, Chile, México – para falar sobre o cenário do uso da IA na radiologia em suas respectivas realidades. Em seguida, outras sessões trarão temas relativos às perspectivas do uso IA na radiologia em variados contextos – paciente, aspectos legais e éticos, impactos da tecnologia no negócio, questões relativas a sua implementação no laboratórios, etc.

Entre os destaques estão os palestrantes: Linda Moy, médica radiologista renomada internacionalmente, a primeira mulher a assumir a partir de 2023 a posição de editora da revista Radiology (RSNA, EUA); e o médico radiologista Charles E. Kahn Jr., editor do jornal Radiology: Artificial Intelligence (RSNA, EUA), criado em 2019, com objetivo de manter médicos atualizados sobre o tema.