O câncer de mama é o tipo mais comum entre as mulheres no mundo e no Brasil, atrás apenas do câncer de pele não melanoma. De acordo com dados do Instituto Nacional do Câncer (INCA), a condição representa cerca de 28% dos casos novos a cada ano e tem risco estimado de 56,33 casos a cada 100 mil mulheres.
Um dos fatores para o desenvolvimento da doença é o tecido mamário denso, também conhecido como mama densa. Essa característica aumenta o risco de desenvolver câncer, mas também torna a análise de imagens da mamografia mais cifrada, dificultando o diagnóstico precoce do câncer de mama. Por isso, pesquisadores do MIT e do Massachusetts General Hospital (MGH) estão desenvolvendo um modelo automático que avalia as mamas densas de forma tão confiável quanto o diagnóstico de radiologistas especializados.
• Algoritmo de manipulação de imagem consegue enganar máquinas e humanos
• Novo robô do MIT consegue manusear delicadamente objetos que nunca viu
O avaliação de mamas densas se valem de exames subjetivos realizados por humanos e alguns cálculos médicos. A inteligência artificial dos pesquisadores foi treinada com milhares de mamografias digitais e é capaz de distinguir corretamente diferentes tipos de tecidos mamários, com 90% de correlação com o diagnóstico de radiologistas.
O modelo foi desenvolvido a partir de uma rede neural convolucional (CNN) – uma ferramenta utilizada no machine learning (aprendizado de máquina) para analisar e identificar imagens. Os pesquisadores utilizaram 58.000 mamografias de mais de 39.000 mulheres para treinar e testar o software.
Para validar a interpretação da inteligência artificial, os cientistas utilizaram o coeficiente kappa de Cohen, em que a pontuação 1 indica que a inteligência artificial e os especialistas humanos concordam com o diagnóstico 100% do tempo e diminui conforme divergências. Na aplicação clínica, este método conseguiu uma pontuação de 0,85 – outros modelos que avaliam automaticamente a densidade mamária tinham conseguido, no máximo, um índice de 0,6 no coeficiente.
Em mais de 10.000 mamografias realizadas no MGH, entre janeiro e maio deste ano, o modelo conseguiu obter uma taxa de 94% de concordância entre os radiologistas do hospital em um teste binário – que determinava se as mamas eram heterogêneas e densas ou gordurosas e dispersas. Em todas as quatro categorias da BI-RADS (Breast Imaging-Reporting and Data System), a inteligência artificial fez avaliações consideradas corretas pelos radiologistas em 90% das vezes.
Segundo Adam Yala, doutorando do MIT e co-autor do estudo, “a intenção era criar uma ferramenta precisa e consistente, que pudesse ser compartilhada entre os sistemas de saúde”. Ele diz ainda que “leva menos de um segundo para analisar cada imagem e que o modelo pode ganhar escala nos hospitais a preços baixos”.
Agora, os pesquisadores planejam explorar como o algoritmo pode ser levado a outros hospitais dos Estados Unidos e como poderia ser utilizado em outras aplicações médicas.
Imagem do topo: MIT