Modelo identifica pneumonia em radiografias em apenas 10 segundos

Muito se fala sobre as altas precisões alcançadas por modelos de machine learning, mas é comum nos esquecermos de outro ganho potencial com o uso da tecnologia: a velocidade com que o algoritmo pode realizar a tarefa. Pois um grupo de pesquisadores da Intermountain Healthcare, um grupo sem fins lucrativos formado por 24 hospitais, sediado no estado de Utah, nos Estados Unidos, e da Universidade de Stanford, acaba de anunciar o lançamento do CheXpert, um sistema de interpretação automatizada de imagens de raio-X do peito, que usa inteligência artificial para revisar as imagens em busca de sinais de pneumonia em tempo recorde.

O sistema foi treinado com 188 mil imagens obtidas de 461 pacientes de vários departamentos de emergência dos hospitais do Centro Médico de Stanford, na Califórnia, e para o ajuste fino do modelo foram usadas mais 6973 imagens provenientes da rede Intermountain em Utah. O algoritmo atingiu precisão comparável àquela formada pelo consenso de três radiologistas. Curiosamente, os próprios radiologistas discordaram em mais de metade dos casos, mas o CheXpert se mostrou alinhado com o voto majoritário, o que lhe dá até mais credibilidade do que a avaliação de um único radiologista. Mas o mais impressionante é o tempo para análise: o sistema leva 10 segundos, em contraste com o procedimento normal que pode levar até 20 minutos. Com isso, pacientes com suspeita de pneumonia podem começar a receber tratamento de forma muito mais imediata, o que aumenta consideravelmente as chances de recuperação.

O sistema de hospitais já usa inteligência artificial para melhorar os cuidados associados à pneumonia, fazendo uso de processamento de linguagem natural (NLP, natural language processing) para extrair informações relevantes de boletins de radiologia. Essas informações são então usadas em uma ferramenta de suporte de decisão clínica. Mas com a nova ferramenta, as informações se tornarão mais imediatas, melhorando consideravelmente tanto o cuidado no curto prazo quanto o planejamento de médio/longo prazo. Além disso, a eficiência do sistema de extração de informações dos boletins usando NLP está abaixo do ideal, devido ao desafio intrínseco de traduzir os dados não-estruturados da linguagem em informação que o computador é capaz de compreender. O CheXpert deve proporcionar melhorias consideráveis na atual abordagem de interpretação dos boletins radiológicos.

Os pesquisadores apresentaram o CheXpert no Congresso Internacional da Sociedade Respiratória Europeia, que ocorreu essa semana em Madri, e pretendem passar a utilizá-lo nos departamentos de emergência dos hospitais da rede Intermountain ainda esse ano.