O sistema comercial tem precisão comparável à do consenso formado por 3 radiologistas, mas realiza a análise em uma fração do tempo: 10 segundos contra 20 minutos. Os pesquisadores pretendem começar a usar o modelo em ambiente clínico ainda esse ano.
O levantamento incluiu todos os estudos realizados desde 2012, ano em que o modelo AlexNet quebrou recordes em problemas de classificação de imagens. Os autores observaram, entretanto, que a maioria dos estudos na área é de baixa qualidade técnica, fazendo sugestões para dar ainda mais valor aos resultados alcançados pela inteligência artificial.
O trabalho usou uma rede neural convolucional para processar dados brutos de eletrocardiograma, sendo capaz de predizer com precisão absoluta os portadores da condição cardíaca; método auxiliar mostra quais regiões do ECG são importantes para discriminar entre indivíduos saudáveis e acometidos.
No estudo, dados de eletrocardiogramas foram usados para treinar uma rede neural convolucional na tarefa de prever o sexo e a idade dos pacientes, informações nunca antes correlacionadas com esse tipo de exame. A diferença entre a idade predita pela rede (ou idade fisiológica) e a idade real dos pacientes se mostrou um indicador de problemas de saúde.
Dois algoritmos em conjunto trabalharam para criar compostos imaginários e testar sua eficiência num mundo virtual. Os melhores compostos foram selecionados para testes em amostras de sangue, animais, e agora chegam à etapa clínica de validação.
