Outubro Rosa: IA identifica e localiza tumores originários da mama em imagens de biópsia

No Brasil, outubro é um mês dedicado à conscientização sobre os programas de prevenção do câncer de mama. A iniciativa foca principalmente na prática do auto-exame, onde a mulher deve avaliar seu corpo para a presença de nódulos, possibilitando a detecção precoce de qualquer anomalia. No caso de um nódulo suspeito ser encontrado, ela deve procurar um especialista para obter um diagnóstico mais preciso. Os médicos, por sua vez, costumam basear suas primeiras impressões em exames de imagens, eventualmente solicitando uma biópsia. O exame visual microscópico da biópsia ainda é considerado o padrão ouro para o diagnóstico de câncer de mama, mas a avaliação só chega neste ponto se o médico especialista julgar necessário mediante as demais evidências preliminares.

No pior caso possível, o tumor de mama pode sofrer metástase e atacar os nodos linfáticos na sua proximidade, o que afeta as decisões quanto a cirurgia e tratamento. Por isso é fundamental que este diagnóstico seja preciso e rápido. Entretanto, o processo atual de análise manual das biópsias resulta em diagnósticos de menor qualidade, onde especialistas não entram em consenso e metástases pequenas não são detectadas. Buscando melhorar este cenário, o Google desenvolveu uma inteligência artificial capaz de analisar imagens de biópsia com desempenho superior. Batizada de LYNA (LYmph Node Assistant, ou assistente de nodos linfáticos), a solução baseada em redes neurais convolucionais foi desenvolvida utilizando imagens em alta resolução das biópsias dos nodos linfáticos, sendo capaz de detectar tumores com tamanho 1000 vezes menor que aquele das imagens. O método foi analisado com o dataset público Camelyon16 para que seu desempenho pudesse ser comparado com outras metodologias, mas também com um dataset independente, o que lhe confere robustez. No Camelyon16, o método conseguiu localizar 93% dos tumores, um ganho absoluto de 10 pontos percentuais frente ao melhor método automatizado disponível, e 20 pontos percentuais comparando com patologistas; a métrica AUROC foi de 97% em ambos os datasets, mostrando um baixíssimo comprometimento entre detecção de falsos positivos e falsos negativos. O LYNA inclusive detectou duas imagens no dataset Camelyon16 que estavam rotulados erradamente como negativos.

Resultados de detecção do LYNA. Na esquerda, as imagens originais das biópsias; no centro, as áreas detectadas (em vermelho) com uma versão intermediária do algoritmo; na direita, os resultados da iteração final do algoritmo, onde é possível observar uma redução expressiva do ruído.

A inteligência artificial também foi avaliada como auxiliar no processo de decisão diagnóstica de médicos patologistas. Os especialistas ficaram responsáveis por revisar os resultados produzidos pelo LYNA e declarar o impacto que o uso do sistema teve no seu trabalho. Eles reportaram que a ferramenta tornou a tarefa subjetivamente mais fácil, além de ter diminuído pela metade o tempo necessário para analisar uma imagem.

Os resultados produzidos pela inteligência artificial até então tinham um caráter acadêmico, já que utilizaram dados obtidos em um cenário de pesquisa, mas é só questão de tempo até que o LYNA possa ser avaliado em situações clínicas. O desempenho reportado é promissor, mostrando que a abordagem tem potencial para reduzir a complexidade e o tempo necessários para um diagnóstico preciso, o que por sua vez vai apresentar um impacto real na vida das mulheres.