JPR debaterá aplicações práticas da IA para médicos e pacientes
26/04/2024

Os avanços em Inteligência Artificial ocorridos ao longo da última década fazem com que, em 2024, sejam muitas as aplicações práticas deste conhecimento na Medicina, com destaque para a área de Radiologia e Diagnóstico por Imagem. Este é um dos pontos mais aguardados da programação científica da 54ª Jornada Paulista de Radiologia (JPR 2024), maior evento de radiologia e diagnóstico por imagem da América Latina, que será realizado de 2 a 5 de maio no Transamerica Expo Center, em São Paulo (SP).

O evento, organizado pela Sociedade Paulista de Radiologia e Diagnóstico por Imagem (SPR) em conjunto com a Sociedade de Radiologia Norte-Americana (RSNA), será realizado de 2 a 5 de maio, no Transamerica Expo Center, em São Paulo.

Para celebrar a parceria entre SPR e RSNA, a JPR 2024 tem como tema “SPR e RSNA – 10 anos construindo conexões na JPR”. Esta é a sexta edição que as duas entidades organizam a Jornada Paulista de Radiologia conjuntamente, demonstrando a importância da JPR no cenário global e a credibilidade da SPR. “Proporcionamos o maior evento de diagnóstico por imagem da América Latina, com cursos, exposição técnica e parcerias internacionais, trazendo o que há de mais inovador na área de radiologia. É uma oportunidade única para atualização e networking global”, ressalta Nelson Márcio Gomes Caserta, presidente da SPR.
 

Inteligência Artificial na Radiologia – Machine Learning, deep learning, algoritmos, chatGPT, modelos fundacionais, aprendizado supervisionado. O glossário de Inteligência Artificial se fará presente em grande parte da programação científica da JPR 2024. Serão aulas sobre o tema em diferentes painéis, assim como um encontro especialmente dedicado, que é o 3º Encontro Latino-Americano de IA em Saúde, que reunirá médicos radiologistas e especialistas de áreas de Tecnologia da Informação do Brasil, Espanha, Estados Unidos e México. Além disso, mais de cem profissionais de saúde e cientistas de dado estão inscritos no 2º Desafio de Inteligência Artificial,

O médico radiologista Felipe Kitamura, diretor de Tecnologia da SPR, contextualiza que houve nos últimos anos um avanço grande de IA, com a tecnologia sendo aplicada em várias áreas da radiologia. “A evolução vem se acumulando desde 2012, quando os algoritmos começaram a ficar bons. Mais recentemente, além de contribuir em imagem, com o lançamento do ChatGPT se ampliaram ainda mais as possibilidades, com o seu uso, por exemplo, em texto de laudos”, conta Kitamura.

Nesse contexto, se destaca a chamada inteligência artificial multimodal, no qual um determinado algoritmo não se limita só a ler um texto ou uma imagem, mas sim em contribuir em ambos. Na radiologia, podemos ter um algoritmo que consegue olhar e reproduzir a leitura da imagem, ler um texto como história clínica do paciente, ler resultados de exame de laboratório, além de atuar na leitura do sequenciamento genético do paciente. Quanto mais multimodal, melhor. “Há trabalhos mostrando que os algoritmos ficam ainda melhores quando eles têm acesso a mais informações e de diferentes tipos”, reforça Kitamura. Ainda de acordo com Felipe Kitamura, o desafio está em ampliar essa realidade para um número maior de hospitais e clínicas. Para tanto, é necessário superar obstáculos técnicos, culturais e regulatórios.

Dentre os desafios técnicos está fazer com que um algoritmo funcione, de fato, em uma nova instituição. “Precisamos garantir que o médico que usa determinado algoritmo vai conseguir realmente se beneficiar desse uso. Se, de fato, dentro da realidade clínica de determinada instituição, haverá um aumento da acurácia e se o médico está usando a ferramenta de maneira correta”, acrescenta.

No âmbito cultural, o maior desafio está na aceitação dos médicos e de seus pacientes de se adotar uma ferramenta nova no dia a dia. Sobre os desafios regulatórios, para se usar clinicamente uma ferramenta nova é necessária a aprovação na Anvisa. “A Anvisa até permite, se você criar a ferramenta dentro da sua própria instituição – e você validar ali – que esse uso ocorra. Porém, não pode comercializar. É uma barreira, bastante necessária para garantia da qualidade daquilo que é usado na rotina clínica”, afirma Kitamura.

Pela agência regulatória dos Estados Unidos, o FDA, um total de 171 dispositivos médicos foram recentemente habilitados para inteligência artificial e aprendizado de máquina (AI/ML). Dos recém-adicionados à lista, 155 são dispositivos com datas de decisão final entre 1º de agosto de 2022 e 30 de julho de 2023, e 16 são dispositivos de períodos anteriores identificados por meio de um refinamento dos métodos usados para gerar a lista. Até o final de julho de 2023, 79% dos dispositivos autorizados em 2023 estão em Radiologia (85), 9% em Cardiovascular (10), 5% em Neurologia (5), 4% em Gastroenterologia/Urologia (4), 2% em Anestesiologia (2) e 1%.

Felipe Kitamura contextualiza que essas ferramentas contribuem em diversas partes diferentes do fluxo do radiologista. Ajudam o médico prescritor, por exemplo, a escolher qual é o melhor exame a ser pedido. “Uma vez que foi possível ajudar o médico prescritor a pedir o exame correto, se é que ele precisa pedir algum, o próximo passo do paciente é agendar o exame. Há também algoritmos que atuam nessa parte do agendamento, ajudando a estabelecer um fluxo mais eficiente”.

O médico radiologista conta também que, hipoteticamente se na agenda do dia seguinte estão vinte pacientes agendados para o período da manhã, é possível saber, por exemplo, que três deles vão falta. Aí, é válido entrar em contato com eles previamente. “Existem algoritmos que conseguem predizer isso. A instituição pode, se eles não forem vir mesmo, agendar outros pacientes no lugar, para não deixar aquele horário vago. Com isso, há mais eficiência no agendamento e permite que mais pessoas façam os exames delas antes, sem tempo ocioso”, conta.

IA na captura de imagens – Uma vez agendado o exame de imagem, a IA contribuição para a captura de imagem. Existem algoritmos que permitem uma aquisição mais rápida. “O paciente ficar menos tempo dentro do aparelho é um conforto importante. Além disso, se o exame é mais curto, o setor consegue ter mais exames, naquele aparelho, no mesmo dia. Isso gera um efeito positivo na agenda, algo que é bom para os médicos radiologistas, que achavam que iam perder o emprego para a IA. Na verdade, esse algoritmo propicia o contrário. Nos aparelhos nos quais havia uma demanda reprimida, é possível fazer e laudar mais exames”, celebra.

O ganho de tempo por meio da IA se explica pelo fato de esta ferramenta ser capaz de retirar o ruído da imagem. “Ao ajustarmos a máquina para ela ser mais rápida, a imagem sai com um pouco mais de ruído. O algoritmo tira esse ruído e a imagem – que se mantém mais rápida – fica como se fosse a original”, detalha.

O uso de inteligência artificial contribui na rotina clínica de imagens capturadas pelas mais diversas tecnologias: ultrassom, tomografia computadorizada, ressonância magnética, PET-CT e outros exames de medicina nuclear e em subáreas como neurorradiologia, diagnóstico por imagem das mamas, entre outras.

Ajudando a escrever e a alertar o radiologista – Com a inteligência artificial a partir de ChatGPT, por exemplo, é possível agilizar a escrita e melhorar a edição dos textos dos laudos, facilitando assim a comunicação com outros médicos e o paciente. Com frequência, há achados importantes nos exames, que não podem passar despercebidos. “Temos algoritmos que leem os laudos que os radiologistas escreveram, buscando por esses achados que são críticos e faz o alerta ao clínico – (olha, eu sei que você pediu esse exame por uma dor na barriga. Não há nada quanto a isso, mas vemos a possibilidade de um tumor no pulmão e precisamos dar seguimento) – E aí você garante que esse paciente não vai buscar esse exame seis meses depois, com o câncer já espalhado pelo corpo”, exemplifica Kitamura.

SPR promove o 2º Desafio de Inteligência Artificial na JPR 2024 – Pelo segundo ano consecutivo a SPR organiza o Desafio de Inteligência Artificial. Este ano o tema é Predição de idade de pessoas pela Tomografia Computadorizada (TC) do Crânio. É uma iniciativa, que recebeu nesta edição a inscrição de mais de cem profissionais de saúde e cientistas de dados do Brasil e outros países que, por meio da plataforma Kaggle, têm o desafio de criar um modelo capaz de predizer a idade do paciente por meio da tomografia computadorizada do crânio. Os participantes vão trabalhar no desafio com imagens que foram doadas pelo DASA, Unifesp, Rede D’Or e A.C.Camargo. As imagens, dispostas em um banco de dados, foram anonimizadas, para preservar a privacidade de cada paciente. A proposta é contribuir com estudos sobre o envelhecimento.

Cabe aos participantes, ao olhar cada imagem de tomografias de crânio, definir a idade do paciente. “É um desafio difícil, porque o exame de tomografia de crânio bloco é uma imagem tridimensional. É um nível de dificuldade maior do que o feito no ano passado, em que utilizamos imagens bidimensionais (radiografias)”, explica Kitamura.

Felipe Kitamura, que é um dos coordenadores do Desafio, explica que foram selecionadas apenas tomografias de pacientes saudáveis. “Então, não tem doenças nesses exames do banco de dados. Porque, se tivéssemos doenças nestas imagens, poderia facilitar a definição da idade, a partir de conhecimento sobre a epidemiologia. Por exemplo, determinada doença é mais comum em idosos ou outra é mais prevalente em jovens”, explica.

Para apontar a idade com precisão, serão utilizados os algoritmos que foram desenvolvidos pelo participante a partir de uma base de treinamento que reúne mais de 3 mil exames, que propicia um aprendizado de máquina (machine learning), também chamado de aprendizado supervisionado. “Ele é supervisionado porque o algoritmo tem acesso a uma base de dados com a resposta certa para cada caso”, acrescenta Kitamura. A partir disso, os participantes treinam modelos que indicam a resposta em uma base de dados em que não é fornecida a resposta e, quanto mais próximo da idade real, maior é a pontuação recebida.

Além de Felipe Kitamura, o Desafio de Inteligência Artificial é coordenador também por Eduardo Farina e Gustavo Corradi. O resultado será divulgado em 4 de maio, às 18 horas, em uma das Sessões Plenárias da JPR 2024.


Serviço
Jornada Paulista de Radiologia (JPR 2024)
Data: 2 a 5 de maio de 2024
Realização: Sociedade Paulista de Radiologia e Diagnóstico por Imagem (SPR) e Sociedade de Radiologia Norte-Americana (RSNA)
Local e endereço: Transamerica Expo Center (TEC): Avenida Dr. Mario Villas Boas Rodrigues, 387, Santo Amaro, São Paulo





Obrigado por comentar!
Erro!
Contato
+55 11 5561-6553
Av. Rouxinol, 84, cj. 92
Indianópolis - São Paulo/SP