Mais rápida e precisa, IA ajuda na identificação de câncer de mama

Por Fidel Forato | 10 de Dezembro de 2019 às 19h50

O câncer de mama é uma doença que afeta principalmente mulheres em todo o mundo, apesar de acometer também uma porcentagem de pacientes do sexo masculino. Só no Brasil, a taxa de incidência desse tipo de câncer é 62,9 casos por 100 mil habitantes, o que é considerado um índice alto, segundo análise do Ministério da Saúde.

Felizmente, o risco de mortalidade pelo câncer de mama está intimamente ligado ao acesso do diagnóstico e ao tratamento adequado no tempo certo, ou seja: na maioria dos casos ele pode ser tratado. Isso significa que novas tecnologias, capazes de identificar esses quadros com Inteligência Artificial (IA), são muito bem-vindas e podem potencializar as chances de cura dos pacientes.

No futuro, essas ferramentas de diagnóstico poderão acompanhar mamografias e exames de ressonância magnética. De olho nisso, uma equipe de pesquisadores da Lancaster University e da Airedale NHS Foundation Trust, ambos institutos ingleses, está desenvolvendo uma nova técnica química, chamada de Raman Spectroscopy, para ser utilizada em biópsias. A ideia é que ela consiga identificar a estrutura molecular de diferentes tipos de câncer de mama, além de variações dentro de cada grupo de células cancerígena. Por enquanto, é capaz de distinguir quatro tipos.

Como funciona?

O método inglês procura identificar impressões digitais químicas (diferentes elementos que podem ser identificados) nos inúmeros tipos de câncer de mama. Esses sinais pré-identificados são usados para treinar um software com IA que deve ser a origem para uma nova forma de diagnóstico, mais rápida e precisa do que as atuais.

Em treinamento, ferramenta com IA pode ler exames e identificar mais rápido vários casos de câncer de mama

Com a análise Raman Spectroscopy, os médicos terão informações, em tempo real, sobre as células cancerígenas. Dessa maneira, os dados identificados poderão ser usados para verificar como as células estão se comportando, inclusive se estão se espalhando e chegando a outras partes do corpo.

Depois de conseguirem identificar as impressões digitais químicas das células de câncer de mama e observarem como elas mudam, em testes, os pesquisadores aproveitaram essas informações para treinar algoritmos complexos com machine learning que identificam, até o momento, quatro dos subtipos desse câncer. Por enquanto, os algoritmos previram com sucesso padrões de diagnóstico para cada subtipo com um alto nível de precisão, que varia entre 70% e 100%.

Já a próxima etapa da pesquisa, mais complexa, deve analisar bancos de dados com as estruturas químicas de muitos outros tipos de células de câncer de mama e as possíveis formas que elas podem assumir. Dessa maneira, irá simular a análise de uma biópsia de um paciente, que não se limita mais aos quatro tipos para os quais estava treinada até agora.

Impactos no tratamento

Segundo os pesquisadores da Inglaterra, os novos algoritmos devem fornecer informações rápidas para ajudar os oncologistas a fazerem um diagnóstico mais preciso. Além disso, os exames irão avaliar o estado da doença em vários pontos de sua progressão, o que tornará a ferramenta muito útil na abordagem terapêutica para os pacientes individualmente.

Para o professor Ihtesham Rehman, presidente de bioengenharia da Universidade de Lancaster e autor sênior do estudo, "esta pesquisa é um passo importante no desenvolvimento de uma nova maneira de identificar as estruturas químicas de diferentes tipos de câncer de mama. Conseguimos usar impressões digitais para desenvolver algoritmos complexos, que são capazes de identificar com precisão células de quatro tipos diferentes de tipos de câncer.”

Em comunicado, Rehman continua a falar sobre a ferramenta de diagnóstico em desenvolvimento, que "tem o potencial de oferecer uma análise em tempo real em amostras biológicas, incluindo câncer, com excelente precisão — criando uma nova ferramenta poderosa para acompanhar as técnicas existentes e ajudando especialistas médicos a fornecer um diagnóstico preciso e oportuno para seus pacientes e para monitorar a progressão da doença."

Fonte: Eureka Alert; Ministério da Saúde

Gostou dessa matéria?

Inscreva seu email no Canaltech para receber atualizações diárias com as últimas notícias do mundo da tecnologia.