Microsoft
Estudo apresenta abordagem promissora baseada em Inteligência Artificial. FCDD baseia-se na deteção de anomalias em vez da classificação tradicional.
O cancro da mama é o tipo de cancro mais comum entre mulheres em todo o mundo. Há rastreio, que leva à deteção precoce, e que é a ferramenta mais eficaz para salvar vidas.
Mas a ressonância magnética continua a ser imperfeita: tem alta sensibilidade, mas também apresenta muitos falsos positivos, aumenta a ansiedade nos pacientes e origina biópsias desnecessárias.
Mais exames, mais incerteza e mais procedimentos de seguimento que acabam por ser desnecessários. Até porque apenas menos de 5% das mulheres que realizam rastreios por ressonância magnética acabam por ser diagnosticadas com cancro.
Chegou a Inteligência Artificial (IA) e, com ela, uma oportunidade real de detetar mais cedo o cancro da mama, reduzir intervenções desnecessárias e até salvar mais vidas.
Um novo estudo apresenta uma abordagem promissora baseada em IA. O objetivo não é apenas detetar o cancro, mas fazê-lo de forma que os radiologistas possam confiar e que os pacientes consigam compreender.
O projeto AI for Good Lab, da Microsoft, quer contribuir para uma maior clareza, precisão e confiança no rastreio do cancro da mama.
O modelo chama-se FCDD (Fully Convolutional Data Description) e baseia-se na deteção de anomalias em vez da classificação tradicional.
E esta é uma “mudança significativa”, lê-se em comunicado enviado ao ZAP. É “mais do que um avanço técnico”.
Em vez de tentar aprender como se apresenta cada tipo possível de cancro, o modelo aprende como são os exames mamários normais e assinala tudo o que se desvie desse padrão. Será eficaz em contextos reais de rastreio, onde o cancro é raro e as anomalias são muito variadas.
Três vantagens
Num conjunto de dados com mais de 9.700 exames de RM mamária, o modelo foi testado em cenários de alta e baixa prevalência — incluindo populações de rastreio realistas, onde apenas 1,85% dos exames continham cancro.
A primeira vantagem: maior precisão em populações de baixa prevalência. O FCDD superou os modelos tradicionais de IA na identificação de malignidades, reduzindo drasticamente os falsos positivos. Duplicou o valor preditivo positivo do modelos padrão e reduziu os chamados de “falsos alarmes” em mais de 25%.
Explica, não se limita ao “sim” ou “não”: gera mapas térmicos que destacam visualmente a localização suspeita do tumor na projeção bidimensional da ressonância. Estes mapas explicativos coincidiram com as anotações retrospetivas de radiologistas especialistas com 92% de precisão.
E faz uma generalização entre instituições: manteve um desempenho elevado num conjunto de dados externo disponível publicamente e noutro conjunto interno independente; tem um forte potencial para adoção clínica mais ampla.
Como próximo passo, o modelo vai ser testado de forma prospetiva em populações clínicas maiores e mais diversas. No entanto, os resultados são promissores e representam uma mudança importante na forma como se encara o papel da IA na medicina.
