IA iguala os radiologistas humanos na interpretação de exames de câncer de mama

IA iguala radiologistas humanos na interpretação de exames de câncer de mama

Outro estudo está mostrando que a inteligência artificial (IA) é tão boa quanto um médico especialista na detecção de câncer de mama em uma mamografia. Mas não espere que os computadores assumam o trabalho dos humanos, dizem os especialistas.

Em um estudo que comparou as habilidades de leitura de mamografia de uma ferramenta de IA com as de mais de 500 profissionais médicos, os pesquisadores descobriram que era basicamente um empate.

Em média, tanto os humanos quanto a IA detectaram cerca de 90% dos tumores de mama e deram um resultado negativo correto para pouco mais de três quartos das mamografias de mulheres sem câncer.

Isso significa que nenhum deles era perfeito, e os especialistas disseram que ainda não está claro como a IA se encaixará no rastreamento do câncer de mama.

A mamografia tem sido uma experiência rotineira para as mulheres. No entanto, a leitura de mamografias pode ser a tarefa mais desafiadora na radiologia, disse a Dra. Liane Philpotts, professora de radiologia na Escola de Medicina da Universidade de Yale em New Haven, Connecticut.

Isso ocorre porque uma mamografia é um raio-X antiquado – embora nos Estados Unidos, Philpotts observou, a mamografia digital 3D de melhor desempenho está substituindo cada vez mais o tipo convencional.

Detectar um tumor em mamografias padrão significa procurar por padrões sutis – algo que tem se mostrado difícil até mesmo para a melhor IA, disse Philpotts, que escreveu um editorial publicado juntamente com as novas descobertas na edição de setembro da Radiology.

“Neste estudo, ainda estamos falando de uma sensibilidade imperfeita”, disse Philpotts, referindo-se à taxa de detecção de tumores. “O fato de a IA poder se equiparar aos radiologistas é bom.”

Mas idealmente, ela disse, seria desejável que fosse ainda melhor.

No entanto, ninguém está dizendo que a IA deve substituir os radiologistas na leitura de mamografias. Em vez disso, ela pode ajudá-los a realizar o trabalho de maneira mais eficiente e precisa, disse o Dr. Mozziyar Etemadi, professor assistente na Escola de Medicina Feinberg da Universidade Northwestern em Chicago.

Etemadi, que não é radiologista, estuda o papel potencial da IA na medicina. O simples fato, segundo ele, é que “os humanos têm um certo nível de falhas” e a IA pode ajudar.

Por exemplo, ela pode realizar uma primeira análise das mamografias, sinalizando aquelas que parecem suspeitas para que os radiologistas possam priorizá-las, disse ele. E em qualquer mamografia, a IA pode destacar áreas que parecem anormais.

As novas descobertas, segundo Etemadi, estão de acordo com o que estudos anteriores e semelhantes sugeriram: quando uma ferramenta de IA é solicitada a ler uma mamografia, seu desempenho é equivalente ao dos médicos.

No entanto, as questões mais amplas, segundo Etemadi, são como a IA se encaixa em um “fluxo de trabalho do mundo real” e se ela beneficia as mulheres que passam pelo rastreamento.

O novo estudo comparou uma ferramenta de IA disponível comercialmente – o INSIGHT MMG da Lunit – com os conhecimentos de leitura de mamografias de 552 radiologistas, radiografistas e clínicos de mama do Reino Unido.

Esses profissionais de saúde haviam lido um conjunto de 120 mamografias “desafiadoras” como parte de uma avaliação de desempenho rotineira, em algum momento entre 2018 e 2021. Os pesquisadores fizeram com que a ferramenta de IA lesse essas mesmas mamografias em 2022.

No geral, o desempenho foi surpreendentemente semelhante. Em média, humanos e IA tiveram taxas quase idênticas de sensibilidade (com que frequência eles identificaram corretamente tumores) e especificidade (com que frequência eles corretamente consideraram uma mamografia livre de câncer como negativa).

“Nosso estudo fornece evidências sólidas de que a IA para o rastreamento do câncer de mama tem desempenho tão bom quanto os leitores humanos”, disse o pesquisador principal Yan Chen, professor da Escola de Medicina da Universidade de Nottingham, no Reino Unido.

No entanto, as descobertas podem não ser “exatamente reproduzíveis” nos Estados Unidos, segundo a Dra. Stamatia Destounis, da Elizabeth Wende Breast Care em Rochester, Nova York.

As mamografias usadas no estudo eram 2D, observou ela, enquanto a mamografia 3D é comum nos Estados Unidos.

E no Reino Unido, as mulheres realizam exames de rastreamento entre as idades de 50 e 70 anos. Nos Estados Unidos, o rastreamento é recomendado aos 40 anos – quando as mulheres estão na pré-menopausa e geralmente têm tecido mamário mais denso, disse Destounis. O tecido mamário denso torna a leitura da mamografia ainda mais difícil.

Philpotts disse que são necessárias ferramentas de IA que trabalhem com mamografia 3D, e estão em desenvolvimento.

Ela também apontou outra camada de complexidade: uma vez que as mulheres começam a fazer mamografias regularmente, os radiologistas comparam a imagem mais recente com as anteriores, em busca de mudanças. Uma ferramenta de IA que possa analisar “exames anteriores”, disse Philpotts, seria útil.

Todos os especialistas concordaram, no entanto, que a IA é a onda do futuro no rastreamento de mamografias.

Um ensaio clínico em andamento na Suécia é o primeiro a testar diretamente a mamografia “com suporte de IA” em comparação com a leitura convencional feita apenas por seres humanos. No mês passado, pesquisadores divulgaram uma análise intermediária do ensaio, mostrando que a IA até agora ajudou os radiologistas a detectar 20% mais casos de câncer de mama.

APRESENTAÇÃO DE SLIDES

Destounis disse que esse tipo de evidência, oriunda de um ensaio clínico, é importante. Ela acrescentou, no entanto, que os estudos também precisam incluir mulheres de todas as idades, raças e etnias para refletir a vida real.

O estudo atual foi financiado pela Lunit, fabricante da ferramenta de IA testada pelos pesquisadores.

Mais informações

A organização sem fins lucrativos Susan G. Komen tem mais informações sobre rastreamento mamográfico.

FONTES: Yan Chen, PhD, professora de rastreamento digital, Escola de Medicina da Universidade de Nottingham, Reino Unido; Stamatia Destounis, MD, sócia-gerente, Elizabeth Wende Breast Care, Rochester, Nova York, membro do comitê de informações públicas, Radiological Society of North America, Oakbrook, Illinois; Mozziyar Etemadi, MD, PhD, professor assistente, anestesiologia, Escola de Medicina Feinberg da Northwestern University, Chicago; Liane Philpotts, MD, professora de radiologia e imagem biomédica, Escola de Medicina de Yale, New Haven, Connecticut; Radiology, 5 de setembro de 2023, online