No longínquo futuro retratado por Hollywood, uma das tecnologias mais úteis é o scanner de olhos como forma de identificação. Mais ou menos como utilizamos a impressão digital hoje em dia. O interessante disso tudo é que o presente parece ter superado as previsões sobre o futuro. Esse scanner de olhos pode ser usado hoje para diagnosticar doenças e auxiliar médicos em áreas remotas, sem acesso à um sistema de saúde eficiente. Afinal, como dizia Tony Montana, em Scarface: “Os olhos […] nunca mentem!”
Olho por olho
“Uma das complicações da diabetes é a retinopatia diabética [RD]. Ela causa cegueira e é diagnosticada ao detectar pequenas lesões no olho”. Você consegue imaginar como seria avaliar imagens diagnósticas de 70 milhões de pessoas? Pois é um desafio que a Índia enfrenta. Esse é o número de pacientes vivendo com diabetes no país. Isso torna a tarefa humanamente impossível de ser realizada. Repito: “humanamente impossível”.
Mas e se esta avaliação não fosse feita por humanos? Máquinas não precisam de descanso, por isso são os “ajudantes” perfeitos para este tipo de trabalho. Já falamos sobre a Inteligência Artificial (AI) anteriormente. E mais uma vez, ela não substituirá os profissionais da saúde.
“Na Índia, faltam oftalmologistas. Como resultado, cerca de metade dos pacientes sofre de alguma forma de perda de visão. Essa doença é totalmente evitável. Isso não deveria estar acontecendo”. E assim iniciou-se um projeto envolvendo médicos indianos e a equipe do Google.
O desenvolvedor do projeto, Varun Gulshan, reuniu centenas de imagens de hospitais da Índia e a equipe aplicou a tecnologia de aprendizagem profunda (do inglês, deep learning) para avaliá-las. O objetivo era identificar padrões capazes de detectar lesões na retina de forma precoce. Com isso, a cegueira causada pela RD poderia ser tratada com antecedência e evitada. Entretanto, algumas centenas de imagens de retina não são o suficiente para treinar o modelo da AI com precisão.
O projeto ganhou força quando a equipe EyePACS entrou em cena e colaborou com milhões de imagens de retina para o treinamento da AI. Ao mesmo tempo, mais médicos foram requisitados para auxiliar na classificação das imagens.
Os médicos classificaram as imagens em uma escala de 1 (sem sinais de RD) a 5 (sinais extremos de RD). Assim, o algoritmo foi treinado e integrado em um aplicativo chamado Avaliação Automatizada de Doença Retinal (ARDA, no inglês). Com esse aplicativo, novas imagens poderiam ser obtidas na clínica e o ARDA retornava o dianóstico imediatamente.
O modelo funciona?
Um ensaio clínico foi realizado em 2016 e demonstrou a eficácia do ARDA. Cerca de 10.000 mil imagens de 5.000 pacientes foram avaliadas por oftalmologistas e pelo ARDA. O resultados? O modelo apresentou desempenho semelhante à avaliação de pacientes feita por profissionais de saúde: 97,5% de sensibilidade e 93,4% de especificidade (estudo publicado no Journal of the American Medical Association). Ótimo, não é mesmo?
Sim. Mas estes dados foram obtidos em condições ótimas de trabalho. O próximo passo era testar no caótico cenário real. E isso levou à alguns fracassos…
Cerca de metade das imagens foram rejeitadas pelo algoritmo, visto que apresentavam qualidade inferior às utilizadas no treinamento da AI. E isso se tornou um enorme inconveniente. Pacientes de áreas remotas precisavam retornar à clinica para ter novas fotografias feitas, em maior qualidade, para que o ARDA pudesse avaliá-las novamente. Isso mostrou que o aplicativo tinha muito a melhorar ainda.
De olho no futuro
Esta “falha” do projeto é um excelente ponto de discussão sobre a integração da AI na área médica. Estabelecer um algoritmo de alta precisão em laboratório é apenas o primeiro passo para o desenvolvimento da tecnologia. E é por isso que a equipe do Google Health agora está trabalhando com a equipe médica tailandesa para aperfeiçoar o fluxo de trabalho.
Agora ficou mais claro por que os profissionais da saúde não serão tão cedo substituídos? Deve sempre haver uma simbiose entre médicos e a tecnologia. Afinal, “existem pacientes reais sofrendo hoje. Se não fizermos o possível com toda a tecnologia disponível para ajudar essas pessoas, qual é o sentido?“.
Referências:
Camels, Code & Lab Coats: How AI Is Advancing Science and Medicine
