A análise automatizada da tomografia computadorizada pode acelerar as avaliações clínicas

Uma pesquisa financiada pelo NIH sugere que uma ferramenta alimentada por IA poderia agilizar diagnósticos e revelar marcadores precoces de doenças crônicas. Os cientistas usaram sua ferramenta, chamada Merlin, para avaliar tomografia computadorizada (TC) abdominal em 3D, realizando tarefas tão simples como identificar características anatômicas até tão complexas quanto prever o início da doença com anos de antecedência.

Conjuntos de dados ricos como este são necessários para ultrapassar os limites do que os modelos de inteligência artificial podem realizar na medicina”, disse Bruce Tromberg, Ph. Merlin representa uma nova classe de modelos, comumente chamados de modelos básicos, que são treinados usando conjuntos de dados não rotulados em grande escala, que abrangem muitos tipos de informações.

No novo trabalho, os investigadores testaram o Merlin em seis grandes categorias de atividades, abrangendo mais de 750 tarefas individuais que envolviam diagnósticos, prognósticos e avaliação de qualidade. Para preparar o Merlin para a ampla gama de tarefas, os pesquisadores inicialmente o treinaram em seu conjunto de dados clínicos, que conectou mais de 15.

Os pesquisadores então questionaram Merlin sobre mais de 50.000 tomografias computadorizadas abdominais inéditas, provenientes de um dos quatro hospitais diferentes, para saber até que ponto seu modelo poderia corresponder às conclusões produzidas por humanos associadas a cada.

Merlin abordou algumas tarefas, como prever códigos de diagnóstico, de frente, enquanto outras tarefas mais complicadas, como redigir relatórios radiológicos do zero ou identificar e delinear órgãos em um espaço 3D, exigiram treinamento adicional”, disse o co-primeiro autor. Em média, em 692 códigos de diagnóstico diferentes, o Merlin previu com sucesso qual das duas varreduras tinha maior probabilidade de estar associada a um código específico em 81% das vezes, superando diversas variantes de dois outros modelos.

Os autores do estudo descobriram que, ao comparar exames de diferentes indivíduos, o Merlin conseguiu identificar pacientes com maior risco de desenvolver uma doença específica nos próximos cinco anos em 75% das vezes, contra 68% para o outro modelo.

Fonte