Um novo sistema de inteligência artificial que examina a forma e a estrutura das células sanguíneas poderia melhorar significativamente a forma como doenças como a leucemia são diagnosticadas. Os pesquisadores dizem que a ferramenta pode identificar células anormais com maior precisão e consistência do que os especialistas humanos, reduzindo potencialmente o número de diagnósticos perdidos ou incertos.
O sistema, conhecido como CytoDiffusion, conta com inteligência artificial generativa, o mesmo tipo de tecnologia usada em geradores de imagens como o DALL-E, para analisar detalhadamente a aparência das células sanguíneas. Em vez de se concentrar apenas em padrões óbvios, ele estuda as variações sutis na aparência das células ao microscópio.
Indo além do reconhecimento de padrões
Muitas ferramentas médicas de IA existentes são treinadas para classificar imagens em categorias predefinidas. Em contraste, a equipe por trás do CytoDiffusion demonstrou que sua abordagem pode reconhecer todo o espectro de aparências normais das células sanguíneas e rotular de forma confiável células raras ou incomuns que podem sinalizar doenças. O trabalho foi liderado por pesquisadores da Universidade de Cambridge, University College London e Queen Mary University of London, e os resultados foram publicados na Nature Machine Intelligence.
Determinar pequenas diferenças no tamanho, forma e estrutura das células sanguíneas é fundamental para o diagnóstico de muitas doenças do sangue. No entanto, pode levar anos de experiência para aprender a fazer isso bem, e mesmo médicos altamente treinados podem discordar ao lidar com casos complexos.
“Todos nós temos muitos tipos diferentes de células sanguíneas que têm propriedades e papéis diferentes em nosso corpo”, disse Simon Deltadal, do Departamento de Matemática Aplicada e Física Teórica de Cambridge, primeiro autor do estudo. “Por exemplo, os glóbulos brancos são especializados no combate a infecções. Mas uma parte importante do diagnóstico de muitas doenças é saber como é uma célula sanguínea incomum ou doente sob um microscópio.”
Processamento da escala de exame de sangue
Um esfregaço de sangue padrão pode conter milhares de células individuais, muito mais do que um ser humano pode realmente examinar uma por uma. “As pessoas não conseguem observar todas as células num esfregaço – simplesmente não é possível”, disse Deltadal. “Nosso modelo pode automatizar esse processo, classificar casos de rotina e destacar qualquer coisa incomum para análise humana”.
Esta tarefa é familiar aos médicos. “O desafio clínico que enfrentei como médico hematologista júnior foi que me deparei com um grande número de esfregaços de sangue para análise após um dia de trabalho”, disse o coautor sênior, Dr. Sutesh Sivapalaratnam, da Queen Mary University of London. “Quando os analisei mais tarde, fiquei convencido de que a IA faria o trabalho melhor do que eu.”
Treinamento em um conjunto de dados sem precedentes
Para criar o CytoDiffusion, os pesquisadores treinaram-no em mais de meio milhão de imagens de esfregaços de sangue coletados no Hospital Addenbrooke, em Cambridge. O conjunto de dados, descrito como o maior do gênero, inclui tipos comuns de células sanguíneas, exemplos raros e recursos que muitas vezes confundem os sistemas automatizados.
Em vez de simplesmente aprender a classificar as células em categorias fixas, a IA modela todo o espectro da aparência das células sanguíneas. Isto torna-o mais robusto às diferenças entre hospitais, microscópios e métodos de coloração, e melhora a capacidade de detectar células raras ou anormais.
Detectando leucemia com maior certeza
Quando testado, o CytoDiffusion detectou células anormais associadas à leucemia com muito maior sensibilidade do que os sistemas existentes. Ele também teve um desempenho tão bom ou melhor que os modelos líderes atuais, mesmo quando treinado com muito menos exemplos, e foi capaz de quantificar o quão confiante estava em suas previsões.
“Quando testamos sua precisão, o sistema era um pouco melhor que os humanos”, disse Deltadal. “Mas o que realmente se destacou foi que sabíamos quando era incerto. Nosso modelo nunca diria que era certo e depois erraria, mas é isso que as pessoas fazem às vezes.”
O co-autor sênior, Professor Michael Roberts, do Departamento de Matemática Aplicada e Física Teórica de Cambridge, disse que o sistema foi avaliado em relação aos desafios do mundo real enfrentados pela IA médica. “Avaliamos nosso método em relação a muitos desafios encontrados na IA do mundo real, como imagens que nunca foram vistas antes, imagens tiradas por máquinas diferentes e o grau de incerteza nos rótulos”, disse ele. “Esta estrutura fornece uma visão multifacetada do desempenho do modelo que acreditamos que será útil para os pesquisadores.”
Quando as imagens de IA enganam os especialistas
A equipe também descobriu que a CytoDiffusion pode criar imagens sintéticas de células sanguíneas que parecem indistinguíveis das reais. Em um “teste de Turing” com a participação de dez hematologistas experientes, os especialistas distinguiram imagens reais daquelas criadas pela inteligência artificial não melhor do que o acaso.
“Isso realmente me surpreendeu”, disse Deltadal. “São pessoas que olham para as células sanguíneas o dia todo e nem elas sabem dizer.”
Abrindo dados para a comunidade de pesquisa global
Como parte do projecto, os investigadores estão a divulgar o que descrevem como a maior colecção mundial de imagens de esfregaços de sangue periférico, disponível publicamente, compreendendo mais de meio milhão de amostras.
“Ao tornar este recurso aberto, esperamos capacitar investigadores de todo o mundo para construir e testar novos modelos de IA, democratizar o acesso a dados médicos de alta qualidade e, em última análise, contribuir para um melhor atendimento ao paciente”, disse Deltadal.
Apoiar, não substituir, os médicos
Apesar dos fortes resultados, os pesquisadores enfatizam que o CytoDiffusion não se destina a substituir médicos treinados. Em vez disso, foi concebido para ajudar os médicos, sinalizando rapidamente casos problemáticos e processando automaticamente amostras de rotina.
“O valor real da IA na saúde não está em aproximar a experiência humana a um custo menor, mas em fornecer maior poder diagnóstico, preditivo e prescritivo do que os especialistas ou modelos estatísticos simples podem alcançar”, disse o coautor sênior, Professor Parashkev Nachau, da UCL. “O nosso trabalho sugere que a inteligência artificial generativa será central para esta missão, transformando não só a precisão dos sistemas de apoio clínico, mas também a sua compreensão dos limites do seu próprio conhecimento. Esta consciência ‘metacognitiva’ – saber o que uma pessoa não sabe – é fundamental para a tomada de decisões clínicas, e aqui mostramos que as máquinas podem ser melhores nisso do que nós.”
A equipe observa que são necessárias mais pesquisas para melhorar a velocidade do sistema e validar seu desempenho entre populações de pacientes mais diversas, para garantir precisão e justiça.
A pesquisa foi apoiada pelo Trinity Challenge, Wellcome, British Heart Foundation, Cambridge University Hospitals NHS Trust, Barts Health NHS Trust, NIHR Cambridge Biomedical Research Centre, NIHR UCLH Biomedical Research Center e NHS Blood and Transplant. O trabalho foi realizado pelo Imaging Working Group no âmbito do BloodCounts! um consórcio cujo objetivo é melhorar o diagnóstico de sangue em todo o mundo com a ajuda da inteligência artificial. Simon Deltadal é membro do Lucy Cavendish College, Cambridge.
