Como a IA está ajudando os cirurgiões a melhorar o diagnóstico de tumores no cérebro

Se existe um momento em que as pessoas gostariam de passar menos tempo sendo operadas é durante uma cirurgia no cérebro.

A inteligência artificial pode ajudar os médicos a diagnosticar tumores no cérebro com maior rapidez e precisão, de acordo com um novo estudo de pesquisadores da Universidade de Harvard e da Escola de Medicina da Universidade de Michigan.

“Nosso objetivo é desenvolver um algoritmo que abranja o desempenho de um neuropatologista ao fazer o diagnóstico durante a cirurgia”, declarou o Dr. Daniel Orringer, primeiro autor do estudo sobre Engenharia Biomédica da Natureza e professor assistente de neurocirurgia no curso de Medicina da Universidade de Michigan.

Cirurgia mais rápida e segura

Em seus experimentos com mais de cem amostras de tecidos cerebrais, os pesquisadores usaram deep learning para detectar a presença de um tumor e classificá-lo em uma das amplas e diversas categorias existentes.

O algoritmo analisa o tecido com uma técnica de imagem por laser desenvolvida pelos pesquisadores e chamada de histologia estimulada Raman, ou SRH. Atualmente, os médicos precisam interromper a cirurgia por 30 a 40 minutos enquanto o tecido enviado ao laboratório é processado, congelado e injetado com corante. A SRH reduz o tempo de espera para três minutos, pois permite o diagnóstico dos tumores pelos patologistas sem que o tecido saia da sala de cirurgia.

“Ajudando a acelerar o diagnóstico dos pacientes, eles passarão menos tempo na sala de cirurgia, o que diminui os riscos associados à operação”, afirmou Orringer, um neurocirurgião em atividade.

Diagnóstico aperfeiçoado de tumores no cérebro

O algoritmo de deep learning identificou quatro categorias de tumores nas amostras. À medida que os pesquisadores coletarem mais amostras, Orringer declarou que deseja ampliá-las para oito categorias, que incluiriam a maioria dos tumores encontrados pelos neurocirurgiões.

As taxas de precisão em 30 amostras de tecido testadas foram de 90%, em comparação com as taxas de precisão de 90% a 95% dos neuropatologistas na prática clínica, afirmou Orringer.

“Nós queremos aumentar as taxas de precisão para que menos pacientes estejam sujeitos a diagnósticos errados”, disse ele. Ao permitir o diagnóstico imediato, consistente e preciso dos tecidos durante a cirurgia, deep learning pode ajudar a solucionar o problema de variabilidade entre os diagnósticos dos patologistas, declarou Orringer.

Deep learning não substituiria os patologistas, cuja experiência é necessária para determinar o diagnóstico final, ele acrescentou.

Operar ou não operar

Orringer e sua equipe testaram a técnica em mais de 370 pacientes e caminham para 500.

“Quanto mais alimentarmos o computador, mais preciso será o diagnóstico”, declarou Orringer. A pesquisa poderia ser aplicada a tumores além do cérebro, acrescentou ele.

An SRH image of tumor tissue that helps with brain tumor diagnosis.
Imagem da SRH de um tecido cerebral com tumor. As células com núcleos grandes e escuros em grupos ou conglomerados são células tumorais.

Deep learning e a técnica de imagem SRH podem ajudar os médicos a tomarem decisões melhores sobre como operar e se operar. Alguns tumores respondem melhor à quimioterapia e à radiação do que à cirurgia, afirmou Orringer. Portanto, os pacientes poderiam evitar a cirurgia por completo.

Neurologistas sem fronteiras

A SRH e deep learning poderiam ajudar os hospitais pequenos ou hospitais em áreas remotas que não têm acesso a neurologistas, de acordo com o estudo. Embora 1.400 hospitais dos EUA realizem cirurgias de tumores no cérebro, existem apenas 800 neuropatologistas certificados pelo Conselho de Medicina no país.

Levar essas tecnologias aos hospitais menores ampliaria seus recursos, porque as imagens poderiam ser interpretadas de maneira remota, afirmou Orringer.

Os pesquisadores treinaram sua rede neural usando a plataforma de computação paralela CUDA, uma placa de vídeo NVIDIA GeForce GTX 1080 com cuDNN da estrutura Theano de deep learning.

“As placas de vídeo foram uma parte fundamental do nosso conjunto de ferramentas para criar esse algoritmo”, declarou Orringer.

A próxima etapa é um ensaio clínico em larga escala, segundo Orringer. O sistema protótipo SRH e os algoritmos de deep learning destinam-se apenas para pesquisa.

Todas as imagens deste relato são uma cortesia da Escola de Medicina da Universidade de Michigan.

Para saber mais sobre como a computação de IA está mudando diversos setores, assine o Podcast sobre IA da NVIDIA no iTunes http://nvda.ws/2hQ4Leb ou no Google Play Music http://nvda.ws/2hQaIrh.

Histórias semelhantes