Publicado originalmente por MIT Technology Review
Um novo sistema de IA poderia ajudar a detectar a forma mais comum de câncer de pâncreas, descobriu uma nova pesquisa.
O câncer de pâncreas é uma doença difícil de detectar. O próprio pâncreas fica escondido por outros órgãos do abdômen, dificultando a detecção de tumores durante os exames. Os pacientes também raramente apresentam sintomas nos estágios iniciais, o que significa que a maioria dos casos é diagnosticada em estágio avançado – uma vez que já está espalhado para outras partes do corpo. Isso torna muito mais difícil de curar.
Como resultado, é essencial tentar detectar o câncer de pâncreas o mais cedo possível. Uma equipe de pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT trabalhou com Limor Appelbaum, cientista da equipe do departamento de oncologia de radiação do Beth Israel Deaconess Medical Center em Boston, para desenvolver um sistema de IA que prevê a probabilidade de um paciente desenvolver adenocarcinoma ductal pancreático (PDAC), a forma mais comum de câncer.
O sistema superou os actuais padrões de diagnóstico e poderá algum dia ser utilizado num ambiente clínico para identificar pacientes que poderiam beneficiar de rastreios ou testes precoces, ajudando a detectar a doença mais cedo e a salvar vidas. A pesquisa foi publicada na revista eBioMedicine no mês passado.
O objetivo dos pesquisadores era um modelo capaz de prever o risco de um paciente ser diagnosticado com PDAC nos próximos seis a 18 meses, tornando mais provável a detecção em estágio inicial e a cura. Para desenvolvê-lo, eles examinaram os registros eletrônicos de saúde existentes.
O sistema resultante, conhecido como PRISM, consiste em dois modelos de IA. O primeiro usa redes neurais artificiais para detectar padrões nos dados, que incluem a idade dos pacientes, histórico médico e resultados laboratoriais. Em seguida, calcula uma pontuação de risco para um paciente individual. O segundo modelo de IA foi alimentado com os mesmos dados para gerar uma pontuação, mas usou um algoritmo mais simples.
Os pesquisadores alimentaram os dois modelos com dados anonimizados de 6 milhões de registros eletrônicos de saúde, 35.387 dos quais eram casos de PDAC, de 55 organizações de saúde nos EUA.
A equipe usou os modelos para avaliar o risco de PDAC dos pacientes a cada 90 dias até que não houvesse mais dados suficientes ou o paciente fosse diagnosticado com câncer de pâncreas. Eles acompanharam todos os pacientes inscritos desde seis meses após a primeira avaliação de risco até 18 meses após a última avaliação de risco para ver se eles foram diagnosticados com PDAC naquele período.
..
Veja o artigo completo no site MIT Technology Review