Na quinta-feira (6), pesquisadores da Universidade de Stanford apresentaram o mais recente lançamento em diagnóstico por inteligência artificial: um algoritmo que consegue peneirar horas de dados de ritmo cardíaco reunidos por monitores cardíacos para determinar se um paciente tem um batimento cardíaco irregular ou uma arritmia. O algoritmo, dizem os pesquisadores, não só é tão bom quanto um cardiologista para diagnosticar corretamente uma condição como também é, frequentemente, até melhor.
Os humanos têm visionado um futuro em que as máquinas substituem os médicos no processo de diagnóstico desde os anos 1950, quando o psicólogo clínico Paul Meehl apresentou a controversa ideia em um livro com um nome bem entediante. Em Clinical vs. Statistical Prediction: A Theoretical Analysis and a Review of the Evidence (Previsão Clínica vs. Estatística: Uma Análise Teórica e uma Revisão de Evidência, em tradução livre), ele argumentou que algoritmos simples, movidos por dados, poderiam tomar decisões melhores sobre diagnósticos e tratamento de pacientes do que psicólogos clínicos treinados.
Essa alegação foi replicada muitas vezes na medicina — os algoritmos poderiam, em outro caso, prever melhor o câncer do que radiologistas. Recentemente, a inteligência artificial e o deep learning (aprendizagem profunda, em português) levantaram a parada, prometendo algoritmos que não apenas podem tomar decisões de saúde baseados em dados e livre do erro humano como também pode processar conjuntos de dados muito mais vastos do que qualquer ser humano conseguiria. Sistemas de deep learning já estão no mercado, oferecendo assistência na interpretação de exames de imagem cardíacos e das mamas. Confiando no reconhecimento de imagens, o Google recentemente usou inteligência artificial para diagnosticar câncer mais rápido que um humano e está testando o método para diagnosticar cegueira causada por diabetes. O novo estudo sugere que a IA pode estar pronta para ultrapassar os médicos em mais uma área crítica do diagnóstico — encontrar batimentos cardíacos irregulares que podem causar risco de morte.
Pesquisadores do Stanford Machine Learning Group, liderados por Andrew Ng, professor adjunto de ciência computacional, viu isso como um problema de dados. Eles estabeleceram o desenvolvimento de um algoritmo de deep learning para detectar 13 tipos de arritmia de sinais de eletrocardiograma. Eles fizeram uma parceria com a empresa de monitores cardíacos iRhythm para coletar conjuntos de dados maciços (clipes de 30 segundos de 30 mil pacientes com arritmias ao longo de vários meses) que eles usaram para treinar um modelo de rede neural profunda. Em sete meses, conseguiram diagnosticar essas arritmias com precisão aproximadamente igual à dos cardiologistas e superando-os na maioria dos casos.
“Qualquer condição em que os dados são acessíveis é um bom próximo passo para o diagnóstico via aprendizado de máquina”, disse Pranav Rajpurkar, estudante de pós-graduação do Stanford Machine Learning Group e coautor principal do estudo, que não foi aceito para publicação, mas está disponível como pré-impressão no arXiv. “No futuro, vemos isso levando autodiagnóstico e aumentando o acesso ao tratamento.”
Para testar sua precisão, os pesquisadores então colocaram em teste seu algoritmo contra cardiologistas especialistas, para ler e interpretar 300 clipes não diagnosticados. O algoritmo conseguia alcançar a opção de consenso tanto quanto os cardiologistas, às vezes até com mais probabilidade.
Os pesquisadores acreditam que esse algoritmo pode, um dia, ajudar a tornar o diagnóstico de arritmia a nível de cardiologista e o tratamento mais acessíveis a pessoas que não conseguem ver um cardiologista pessoalmente. Rajpurkar disse que imagina sua ferramenta como algo construído dentro de dispositivos vestíveis do iRhythm. Em outro estudo recente, pesquisadores da Universidade da Califórnia em São Francisco programaram um Apple Watch equipado com um detector frequência cardíaca para identificar um tipo de arritmia cardíaca sério mas frequentemente sem sintomas, a fibrilação atrial, descobrindo, em um pequeno estudo, que ele foi preciso em 97% dos casos.
A visão de tal trabalho, no fim, é um tipo de panóptico médico: monitores que detectam problemas cardíacos, celulares que analisam nossos padrões de fala em busca de sinais de mal de Parkinson e um desfile infinito de dispositivos para monitorar constantemente nosso estado.
Tal futuro, a essa altura, parece inevitável. No ano passado mesmo, o Watson, da IBM, ganhou as manchetes depois de diagnosticar, dentro de dez minutos, uma rara forma de leucemia em uma mulher de 60 anos que médicos no Japão não conseguiram detectar em meses.
Rajpurkar disse que, na sua cabeça, a tecnologia não vai tirar os empregos dos médicos. “A vantagem é que ela libera os cardiologistas para focar na interação com o paciente e no desenvolvimento do tratamento”, afirmou.
Por enquanto, porém, ainda há limitações. Por exemplo, os pesquisadores só conseguiram coletar dados de 13 tipos diferentes de arritmia. Para formas mais raras da condição, não havia dados.
“Atualmente, tem muitos problemas cardíacos que não estamos detectando”, ele disse. “Tudo que precisamos é de mais dados.”
fique por dentro das novidades giz
Inscreva-se agora para receber em primeira mão todas as notícias sobre tecnologia, ciência e cultura, reviews e comparativos exclusivos de produtos, além de descontos imperdíveis em ofertas exclusivas
