Apesar das melhorias claras no tratamento, o câncer ainda é responsável por cerca de 17% das mortes em todo o mundo. As razões são múltiplas, mas uma delas salta aos olhos: falta de diagnóstico precoce. Em geral o câncer é um ‘animal’ furtivo, silencioso, crescendo sem ser detectado. Fica escondido, escamoteado, as vezes por tempo suficiente para se enraizar por um órgão ou se espalhar pelo corpo. É um adversário notável e cheio de força para resistir as terapias mais sofisticadas. Com sorte e tratamento precoce o paciente pode sobreviver por anos, mas se cair na ‘desatenção’ pode novamente ser engolido e entrar para as estatísticas (uma em cada 6 mortes no planeta são causadas pelo câncer).
Apesar da Covid-19, talvez o Outubro Rosa de 2020 (histórico mês de conscientização mundial para controle do câncer de mama) tenha motivos especiais para comemoração: nunca tantas plataformas de Inteligência Artificial (IA) estiveram a serviço do combate ao carcinoma mamário. Uma nova era na detecção e controle do câncer de mama vem sendo sedimentada pelos algoritmos de IA. Principalmente na detecção, as plataformas de ‘aprendizado profundo de máquina’ vêm demonstrando sua força e poder de auxiliar os radiologistas. Se o câncer de mama for detectado em ‘estágio localizado’, a taxa de sobrevida em 5 anos é de 99%. No entanto, apenas 62% dos casos de câncer mamário são detectados no estágio localizado, sendo que em cerca de 30% dos casos ele é detectado após se espalhar para os linfonodos regionais, reduzindo a taxa de sobrevida de 5 anos para 85%.
A inteligência artificial deve ser o grande divisor de águas neste século no diagnóstico dos carcinomas mamários. Ela pode aumentar a precisão, economizar tempo e melhorar a sobrevida do paciente. Uma comparação de três sistemas de inteligência artificial disponíveis comercialmente para detecção de câncer de mama descobriu que o melhor deles tem um desempenho tão bom quanto de um radiologista humano. O estudo, publicado em agosto de 2020 na JAMA Oncology, mostra que os pesquisadores aplicaram os algoritmos a um banco de dados de mamografias, capturadas durante o rastreamento de câncer de quase 9 mil mulheres na Suécia, usando a base de imagens da Swedish Cohort of Screen-Age Women. Os resultados sugerem que os sistemas de IA podem aliviar parte da carga que os programas de rastreamento impõem aos radiologistas. Amostra incluiu 739 mulheres que foram diagnosticadas com câncer de mama menos de 12 meses após o rastreamento, e 8.066 mulheres que não receberam nenhum diagnóstico de câncer mamário em 24 meses. A conclusão sugere que os algoritmos de Inteligência Artificial podem ajudar a corrigir os falsos negativos, principalmente quando usados em esquemas de triagem de leitor único. Os três algoritmos (AI-1, AI-2 e AI-3), alcançaram sensibilidades de 81,9%, 67,0% e 67,4%, respectivamente. Em comparação, o primeiro e o segundo leitores tiveram média de 77,4% e 80,1%.
Equívocos em diagnósticos não são necessariamente uma falha humana, mas quase sempre um problema sistêmico. Um estudo publicado em 2015 pela National Academy of Sciences mostrou que a maioria das pessoas experimentará pelo menos um erro de diagnóstico durante a vida. Nos casos de câncer de mama, que depende cada vez mais da brevidade na detecção, esses dados podem ser maiores. Não há nada de espantoso nos resultados desse estudo, pelo contrário, os resultados são plenamente aceitáveis diante do quadro clínico-sistêmico de grande parte dos Sistemas de Saúde públicos e privados. Nesse sentido, a Inteligência Artificial vem somar uma enorme quantidade de possibilidades de testagem e um sólido arsenal de controle do câncer mamário. Muitos hospitais no Brasil já utilizam em menor ou maior escala as ferramentas de deep learning. O Hospital de Amor de Barretos (SP), por exemplo, elegeu a inteligência artificial como o principal método de prevenção contra o câncer de mama. No sistema, que foi implementado em 2020, o radiologista analisa o exame e compara com a avaliação realizada pela plataforma de IA, capaz de identificar a presença de nódulos malignos e demais inconformidades. Caso haja discordância entre o homem e a máquina, entra um segundo radiologista. Em cerca de 85% dos casos, as pacientes que passam pela mamografia descobrem não ter câncer. Assim, um único médico pode avaliar a maioria dos exames, ao invés de dois ou até três profissionais, como antes. O hospital realiza cerca de 2 mil mamografias por dia e com ajuda do sistema pode chegar a dobrar a quantidade. Segundo o INCA (Instituto Nacional do Câncer) o Brasil deve superar 66 mil novos casos de câncer somente em 2020, sendo que a detecção precoce aumenta as chances de cura em 95% dos casos (Sociedade Brasileira de Mastologia).
As modalidades atuais de rastreamento dos carcinomas mamários são em geral imperfeitas, sofrendo de sensibilidade limitada e altas taxas de falso-positivo. Mas novas técnicas de imagiologia da mama estão chegando para desempenhar um papel mais preciso no rastreamento mamário, como por exemplo, a tomossíntese digital da mama; a mamografia espectral aprimorada com material de contraste; as mamografias tridimensionais; as imagens de ressonância magnética (MRI) ultrarrápidas e ponderadas por difusão; etc. Em todas elas, o núcleo de convergência são os algoritmos de inteligência artificial. Regina Barzilay, professora do MIT’s Computer Science and Artificial Intelligence Laboratory, que recebeu em setembro de 2020 o prêmio Squirrel AI Award for Artificial Intelligence for the Benefit of Humanity pelo reconhecimento de sua pesquisas oncológicas com IA, explica o que vem pela frente: “em cada centro oncológico dos EUA, desde uma clínica comunitária ao principal centro de câncer do país, há uma necessidade premente e séria de introduzir artificial intelligence”. O padrão oncológico será IA: “Em vez de treinar sistemas de aprendizado de máquina supervisionados para cada sistema hospitalar individualmente e para cada doença, estamos desenvolvendo algoritmos que podem ser facilmente adaptados a novos ambientes e doenças diferentes”.
Phillip Sharp, ganhador do Nobel e presidente do conselho consultivo da J-Clinic, diz que não há dúvidas de que a inteligência artificial e deep learning estão transformando o atendimento oncológico e a medicina como um todo. Sua orientação vai na direção de que IA pode (1) transformar a radiologia, (2) dar sentido aos dados moleculares e genéticos para distinguir células malignas e (3) detectar padrões em dados médicos que podem alertar para problemas iminentes. O chamado aprendizado profundo, que avançou espantosamente na última década, não contava com tantos registros médicos eletrônicos (EHRs) como existem hoje, e mesmo que existissem, não tínhamos algoritmos que pudessem entender muito bem as anotações dos médicos. Da mesma forma, a computação não era tão acessível ($). Como explica Michael Hayes, que lançou em 2018 a startup sem fins lucrativos CancerAI: “O que há dez anos seria um supercomputador custando US$ 1 milhão, pode hoje ser comprado por alguns milhares de dólares. Isso mudou muito o jogo”. Um exemplo dessa expansão foi publicado em 2019 na Radiology, onde Regina Barzilay e outros pesquisadores do Massachusetts General Hospital usaram IA para desenvolver um método de avaliação da densidade do tecido mamário. Hoje, as mamografias ‘perdem’ cerca de 15% dos tumores de mama, chegando a perder mais de 50% se o tecido mamário for denso, o que torna os tumores mais difíceis de se detectar. Mais de 40% das mulheres americanas têm tecido mamário denso, o que também as coloca em maior risco de câncer de mama. O estudo utilizou mais de 41 mil mamografias digitais (avaliadas e classificadas por especialistas) para treinar um algoritmo de aprendizado profundo para avaliar essa densidade. Em um teste de seis meses, analisando mais de 10 mil mamografias, um modelo com radiologistas concordou com o algoritmo em 94% das vezes, tornando-se a primeira vez que esse tipo de aprendizado profundo foi usado com sucesso em um ambiente clínico.
O câncer de mama tem uma fraqueza lógica: ele não cresce de hoje para amanhã (como a Covid-19). Trata-se de um processo muito longo, que vai degenerando os tecidos com a ‘paciência de um eremita’. Nesse sentido, a velocidade de sua detecção é a melhor arma para seu extermínio. Neste Outubro Rosa, milhões de células cancerígenas estarão ‘corpo a dentro’ fazendo seu trabalho. Corpo a fora, a inteligência artificial e a humana estarão juntas trabalhando como nunca para neutralizar essa dolorosa máquina de destruição.
Telerradiologia – Para definir exatamente o que é telerradiologia, um bom lugar para começar é definir primeiro a palavra radiologia. A radiologia é um tipo de técnica de imagem que os médicos usam para obter imagens da parte interna do corpo. Isso geralmente é feito para tratamento ou diagnóstico. Ultra-sons, ressonâncias magnéticas e raios-x são exemplos.
Agora podemos adicionar o prefixo “tele” à radiologia. Pense na palavra “telefone”, que se refere a um dispositivo que permite ligar para alguém que está em um local diferente. Quando aplicado à telerradiologia, significa que as imagens são enviadas para um local diferente. As imagens, juntamente com os estudos realizados nas imagens, são enviadas para profissionais ou médicos que estão em um local diferente.
