Várias empresas estão usando IA para analisar os resultados das imagens. Mas enquanto a FDA aprova mais e novas ferramentas que o usam para detectar diferentes doenças e as empresas arrecadam milhões de dólares, a pesquisa nos exorta a ter mais cuidado com seu uso.
A empresa de inteligência artificial de radiologia Aidoc ganhou recentemente a aprovação da FDA para uma ferramenta que marca e classifica casos de pneumotórax, ou pulmão colapsado, em raios-X. A Aidoc já possui outras ferramentas aprovadas pela FDA, incluindo software para classificar e relatar embolia pulmonar incidente, classificar fraturas da coluna cervical e relatar hemorragia intracraniana aguda.
«Esta aprovação da FDA valida ainda mais a amplitude de nossa plataforma de IA, que vai além de algoritmos específicos de IA, para atuar como um hub de IA de saúde para as necessidades de várias especialidades correlacionadas da organização de saúde. Isso inclui o pronto-socorro, a UTI, as instalações ambulatoriais, as internações e a coordenação e comunicação de cuidados entre os provedores», disse o CEO da empresa, Elad Walach, em um comunicado que nos convida a pensar até onde chegará a utilização da IA em Saúde.
Enquanto isso, muitas empresas já receberam a aprovação da FDA. Entre elas estão a Qure.ai, que recebeu aprovação da entidade norte-americana no início deste ano para um algoritmo que usa radiografias de tórax para ajudar os médicos a colocar tubos de respiração; A empresa francesa GLEAMER também obteve aprovação para seu software BoneView, que usa inteligência artificial para detectar possíveis fraturas e envia os resultados aos radiologistas para confirmação; e a startup de radiologia Sirona Medical adquiriu recentemente as capacidades de IA e alguns dos funcionários da Nines, em um acordo que incluiu duas ferramentas aprovadas pela FDA: uma que analisa tomografias de tórax para determinar o tamanho dos nódulos pulmonares e outra que usa tomografias para encontrar possíveis hemorragias intracranianas e/ou efeitos de massa.
Há menos de um ano, a Aidoc arrecadou US$ 66 milhões para acelerar o uso de imagens habilitadas para IA em financiamento da Série C, elevando seu capital total para US$ 140 milhões, e a Qure.ai anunciou há poucos dias que havia arrecadado US$ 40 milhões em uma rodada de financiamento .
Os casos continuam, os estudos avançam
Além disso, de acordo com um estudo publicado na revista Radiology, usando um modelo de aprendizado profundo de IA totalmente automatizado, um grupo de pesquisadores conseguiu identificar o diabetes tipo II a partir de tomografias computadorizadas abdominais. «Este estudo é um passo em direção ao uso mais amplo de métodos automatizados para enfrentar os desafios clínicos», disse o co-autor sênior do estudo, Ronald M. Summers, MD, Ph.D., pesquisador e radiologista do National Institutes of Health Clinical Center em Bethesda, Maryland.
No entanto, outra equipe de pesquisadores do Botnar Research Center, na Inglaterra, revisou 42 estudos existentes comparando o desempenho diagnóstico na detecção de fraturas entre IA e médicos, não encontrando diferenças significativas. Mas eles alertaram que a pesquisa sobre a detecção de fraturas por IA permanece em um estágio pré-clínico muito inicial. E outro estudo realizado por pesquisadores noruegueses sob a direção de Dr. Solveig Hofvind, Ph.D., do Setor de Detecção de Câncer de Mama do Registro Norueguês de Câncer, em Oslo, concluiu que «o sistema de IA funcionou bem na detecção de câncer de mama em mamografias, mas a dependência do estudo em dados retrospectivos significa que mais pesquisas são necessárias».
Da mesma forma, um estudo publicado no The Lancet descobriu que um modelo de aprendizado profundo treinado para detectar certos tipos de fraturas de quadril superou os radiologistas, mas testes adicionais encontraram algumas barreiras ao seu uso seguro.
«Embora o modelo tenha um desempenho geral muito bom, o estudo observou que ocasionalmente cometem erros não humanos ou erros inesperados que um radiologista humano não cometeria», escreveram os autores sobre esse modelo, que foi treinado com dados do Royal Adelaide Hospital na Austrália.
«O estudo destaca a importância de realizar testes rigorosos antes de implantar modelos de IA», disseram os pesquisadores, acrescentando que uma extensa avaliação pré-clínica de modelos de IA, incluindo auditoria algorítmica, pode revelar comportamentos inesperados e potencialmente prejudiciais, mesmo em sistemas de inteligência artificial de alto desempenho.
Em resumo, embora a IA possa melhorar resultados e reduzir custos, pesquisas mostram que ainda há um longo caminho a percorrer e, entre outras coisas, verificou-se que muitos dos conjuntos de dados usados para treinar esses modelos vêm dos Estados Unidos e da China, o que poderia limitar sua utilidade em outros países. O viés também é uma grande preocupação para provedores e pesquisadores, pois tem o potencial de piorar as disparidades de saúde.
Fontes:
https://pubs.rsna.org/journal/radiology
https://www.mobihealthnews.com/news/fda-clears-aidoc-ai-powered-pneumothorax-detection-tool
