Article

Como aplicações avançadas e IA estão impactando a RM

A inteligência artificial (IA) aparentemente começou a mudar o mundo. Mais e mais filmes estão retratando possíveis impactos da IA, por exemplo. Enquanto isso, mais e mais famílias têm dispositivos inteligentes que permitem o uso de assistentes virtuais para quase tudo. A área médica não é diferente, com inteligência artificial ajudando a tomada de decisão dos médicos. Os departamentos de radiologia, em particular, já usam aplicações avançadas que usam inteligência aplicada e artificial.

Qual a diferença entre inteligência aplicada e inteligência artificial?

A diferença entre inteligência aplicada e inteligência artificial é uma nuance simples de como o dispositivo opera. Na verdade, os dois termos podem ser usados de maneira correlacionada, pois ambos podem explicar um melhor uso da imagem médica para um cuidado mais personalizado, e, dessa forma, ambos devem ser compreendidos por profissionais de saúde.

  • Inteligência aplicada refere-se ao sistema de software que habilita inteligência artificial. No campo da saúde, ajuda a extrair e interpretar dados em sistemas de saúde, dispositivos e equipamentos de imagem. Isso pode auxiliar o fornecimento de insights acionáveis, bem como melhorar a tomada de decisão. Na vida cotidiana, a inteligência aplicada pode ser os programas que os assistentes virtuais executam.

  • Inteligência artificial, ou IA, refere-se à capacidade do dispositivo de imitar a inteligência humana ou de executar tarefas que tradicionalmente exigiam o pensamento humano. 1 É o ramo da ciência da computação que lida com as tentativas de projetar programas que podem completar certas ações que os programas de software eram incapazes antes, como aqueles que envolvem percepção visual, reconhecimento de fala e tomada de decisão. Isso é possível, porque o projeto do programa permite que o dispositivo continue a aprender. Assistentes virtuais podem ser considerados inteligência artificial.

  • Machine Learning melhora a capacidade do sistema de aprender e melhorar automaticamente com experiências ou dados, sem ser explicitamente programado.

  • Deep learning refere-se a uma rede de sistemas capazes de aprender sem supervisão de informações não estruturadas ou não rotuladas.

Buyers Guide_950x250.jpg

Qual o impacto das aplicações avançadas que utilizam deep learning em RM?

Há três áreas principais para que a IA seja desenvolvida em imagens médicas: aplicativos inteligentes, scanners inteligentes e serviços inteligentes. 1 Cada aspecto poderia potencialmente melhorar e agilizar o trabalho para o departamento de radiologia, deixando tempo para o médico se concentrar e interagir com o paciente.

Aplicativos inteligentes podem ajudar a equipe a tomar decisões mais rapidamente conforme se utilizam dos insights recebidos. Esses insights podem ser fornecidos por soluções de software e aplicativos que utilizam algoritmos de machine learning ou deep learning.

O Dr. Yaou Liu do departamento da radiologia no hospital de Beijing Tiantan tentou reduzir a carga de trabalho dos radiologistas empregando um destes algoritmos de deep-learning.2 O algoritmo teve como objetivo ajudar a identificar imagens anormais da RM, selecionando o melhor protocolo para doenças detectadas e direcionando o paciente para o departamento correto para tratamento. A equipe subiu no software um total de 5.806 imagens cerebrais, 4.639 das quais foram usadas para treinar o algoritmo. O restante das imagens foi para testar a capacidade do algoritmo para detectar tumores potenciais, doença cerebrovascular isquêmica e esclerose múltipla. Durante o teste, o algoritmo teve uma sensibilidade de 85%, especificidade de 96% e precisão de 94%. 2 Radiologistas ainda revisaram os resultados para confirmá-los ou corrigi-los.

Qual o impacto de aplicações avançadas que automatizam fatias nas imagens de ressonância margnética?

As aplicações avançadas que estão sendo desenvolvidas para departamentos de radiologia não são apenas sobre deep ou machine learning. Algumas empresas também estão tentando automatizar o exame em si, com radiologistas supervisionando. Isso é especialmente feito para a ressonância magnética, que exige que o scanner colete uma grande quantidade de dados e processe-os com a ajuda do radiologista ou radiografista. Cada imagem é chamada de fatia e mostra um ângulo específico em uma área da anatomia do paciente.3

Um aplicativo de software permite a seleção automática de fatias e posicionamento. 3,4 Isso é feito por treinamento de um algoritmo de deep learning, para reconhecer pontos de referência anatômicos. Uma vez que o programa tenha reconhecido um ponto, ele pode usar os dados adquiridos anteriormente para determinar onde está a região de interesse em relação ao ponto. A automação dessa etapa tem o potencial de otimizar e agilizar a digitalização, possivelmente reduzindo os tempos de digitalização por paciente no processo. No passado, os radiografistas tiveram que selecionar manualmente a fatia e ajustar o posicionamento várias vezes antes da digitalização.

Tom Schrack, gerente de Educação e Desenvolvimento Técnico de RM na Fairfax Radiological Consultants em Fairfax, Virgínia, cita o software que prescreve automaticamente fatias como uma razão pela qual os tempos de digitalização podem ter sido reduzidos. Ele também ficou impressionado com a precisão da identificação dos pontos.3 Ele espera que esta e outras aplicações continuem a cumprir e melhorar o propósito da IA em imagens de RM.

A seleção automatizada de fatias e o deep learning permitiram que a radiologia se tornasse mais amigável ao paciente por meio do uso da IA. Os tempos reduzidos da varredura devido ao auxílio do IA podem ajudar a aumentar o número de pacientes a realizar exames de ressonância. A seleção automatizada da fatia pode permitir que os médicos interajam mais com os pacientes, o que poderia ajuda-los a se sentir mais à vontade. Com esses programas de software, os exames de imagem podem se tornar mais tranquilos para o paciente e mais fáceis para o radiologista, assim como a IA tornou a tecnologia mais acessível para aqueles que têm assistentes virtuais. No futuro, é possível que a IA continue a aliviar a carga de trabalho, muitas vezes esmagadora, para os departamentos de radiologia.

Para mais informações, leia SIGNA Pulse "Exploring MR powered by Applied Intelligence."

Para mais informações sobre deep learning, leia SIGNA Pulse "Introducing intelligent MR powered by deep learning."

Referências

1. Victor Justo. "Exploring MR powered by Applied Intelligence." SIGNA Pulse. Spring 2018. Web. 22 de Abril, 2019. <http://www.gesignapulse.com/signapulse/spring_2018/MobilePagedArticle.action?articleId=1396203&app=false#articleId1396203>.

2. Wayne Forrest. "Deep-learning MRI algorithm aids in neurological diagnoses." AuntMinnie.com. 2 de Março, 2019. Web. 22 de Abril, 2019. <https://www.auntminnie.com/index.aspx?sec=rca&sub=ecr_2019&pag=dis&ItemID=124750>.

3. "No matter how you slice it, this AI tech is changing MR neuro imaging: Fairfax hospital seeing results from deep learning-based application for MRI." The Pulse. 25 de Março, 2019. Web. 30 de Abril, 2019.<http://newsroom.gehealthcare.com/this-ai-tech-is-changing-mr-neuro-imaging/>.

4. "GE Healthcare's FDA approved MR neuro deep-learning software, AIRx, increases consistency and productivity." dotmed.com. 14 de Março, 2019. Web. 30 de Abril, 2019. <https://www.dotmed.com/news/story/46576>.

5. Mary Beth Mussat. "Introducing intelligent MR powered by deep learning." SIGNA Pulse. Autumn 2018. Web. 22 de Abril, 2019. <http://www.gesignapulse.com/signapulse/autumn_2018/MobilePagedArticle.action?articleId=1444512&app=false#articleId1444512>.