Visão computacional com IA: novas possibilidades para a saúde

Visão computacional e saúde

Ao lado dos grandes modelos de linguagem, como o ChatGPT, a visão computacional é uma área importante da IA. Redes neurais e aprendizagem profunda permitem analisar imagens e identificar padrões no ambiente. Isso não significa que os computadores vejam ou compreendam o mundo exatamente como uma pessoa.

Entre as aplicações estão a assistência à condução e a percepção de robôs. A autonomia depende do sistema, das condições de uso e das medidas de segurança, não apenas da análise de imagens.

Essas aplicações impulsionam o mercado de visão computacional. Estimativas de crescimento, como a projeção citada de 9,2 bilhões de dólares até 2029, dependem da definição do mercado e não são resultados garantidos.

Fonte: EPAM

Outra aplicação é a saúde. Muitos exames dependem da interpretação de imagens por profissionais, desde a observação direta até radiografias, tomografias e ultrassonografias.

A interpretação pode variar entre observadores e requer formação e experiência. Já existem medições automatizadas, mas a diversidade dos pacientes e das condições de aquisição dificulta a generalização.

Empresas e pesquisadores estudam como a visão computacional pode apoiar a análise médica. A utilidade deve ser demonstrada para cada tarefa e população, sem presumir superioridade em todos os casos.

Exame Visual Direto

Abordamos pesquisas sobre IA para identificar infecções de ouvido no artigo “A IA pode se tornar uma ferramenta valiosa no diagnóstico médico”.

Outras pesquisas investigam aplicações em dermatologia. Um sistema do Google foi estudado para auxiliar na identificação de 26 condições de pele. Outros projetos procuram detectar retinopatia diabética ou estimar o risco de progressão futura da retinopatia diabética.

Há ainda estudos sobre sinais indiretos de saúde em imagens, como estimar anemia a partir de fotografias da retina. Essas estimativas não substituem automaticamente exames de sangue. Imagens da retina também foram investigadas para estimar fatores de risco cardiovascular.

Ferramentas como a IA da Iterative Health podem auxiliar na identificação de lesões durante exames endoscópicos. Detectar uma lesão suspeita não equivale a confirmar câncer nem dispensa avaliação clínica.

Análise de Imagens Médicas

Radiografias, tomografias, ultrassonografias e outros exames geram imagens complexas, cuja interpretação depende do contexto clínico.

A IA pode ajudar a melhorar imagens, organizar dados e realizar análises específicas.

Por exemplo, a Cleerly usa IA para analisar dados de angiotomografia coronariana e produzir modelos das artérias coronárias, avaliar o lúmen e as paredes dos vasos e identificar e quantificar estreitamentos e placas. Os resultados apoiam a avaliação médica.

Butterfly Network (BFLY ) desenvolve ultrassom portátil baseado em chips semicondutores. Recursos de aquisição e análise podem apoiar exames específicos, sem significar a geração automática de modelos 3D de todos os órgãos.

Fonte: Butterfly Network

A Verisound, portfólio de soluções de ultrassom da GE HealthCare, reúne ferramentas de orientação, aquisição e automação para determinadas aplicações. Não é uma subsidiária separada, e as funções variam conforme o equipamento e a especialidade.

Pesquisas do Google também investigam métodos para detectar sinais de câncer de mama e reduzir a carga de trabalho na análise de imagens. A aplicação clínica depende da validação e das autorizações pertinentes.

As ferramentas ChestEye e ChestLink da Oxipit têm escopos diferentes. ChestEye auxilia na análise de radiografias do tórax. ChestLink foi concebido para emitir relatórios autônomos de exames considerados normais, dentro de critérios definidos, encaminhando os demais para avaliação. Não se trata de autorização geral para diagnosticar todos os tumores pulmonares.

Cirurgia

A IA pode apoiar cirurgiões, inclusive na análise de imagens e no acompanhamento de procedimentos assistidos por robôs. A responsabilidade clínica não desaparece com esse auxílio.

Pesquisas com vídeos cirúrgicos procuram reconhecer etapas e antecipar ações próximas. O desempenho depende do procedimento e do conjunto de dados; não é uma capacidade garantida de prever qualquer cirurgia com 15 a 30 segundos de antecedência.

Dr. Eckhoff, pesquisador de IA e inovação cirúrgica no Massachusetts General Hospital.

Um exemplo de orientação digital é a empresa francesa Pixee Medical, que oferece rastreamento e realidade aumentada para procedimentos ortopédicos com dispositivos como óculos inteligentes. Isso não equivale a cirurgia autônoma.

O registro de instrumentos e etapas também pode ser auxiliado por visão computacional. O problema de instrumentos esquecidos no paciente durante cirurgias exige protocolos de segurança; a tecnologia pode ajudar a reduzir o risco, mas não garante sua eliminação.

Gestão de Dados

Dados do Paciente

A organização dos dados dos pacientes pode ser tão importante quanto a análise de imagens, pois influencia a identificação, a continuidade do cuidado e o acesso à informação.

O reconhecimento facial pode complementar a identificação de pacientes, mas exige consentimento, proteção de dados e alternativas para erros. Soluções de fornecedores como Facia não eliminam automaticamente o risco de troca de identidade.

Outra tarefa é integrar imagens de radiologia, prontuários, tratamentos anteriores, prescrições e outras informações em sistemas compatíveis.

A integração é complexa, e ferramentas como as da CloudMedxHealth podem apoiar esse trabalho. Sua eficácia depende da qualidade dos dados e da interoperabilidade.

Fonte: CloudMedxHealth

Os dados também podem ser agregados para análises populacionais, como nas soluções da Komodo Health. A abrangência depende das bases disponíveis e não equivale a uma visão completa de todo o sistema de saúde dos EUA.

Monitoramento

A visão computacional pode apoiar o monitoramento de procedimentos hospitalares, como práticas de higiene. O uso exige avaliação de precisão, privacidade e adequação ao contexto.

O acompanhamento domiciliar pode auxiliar a recuperação e alguns programas de fisioterapia. Nem todas as condições podem ser tratadas em casa, e os benefícios e custos precisam ser avaliados.

Sistemas de detecção de quedas podem emitir alertas para cuidadores ou serviços de emergência, conforme a configuração. Falhas e falsos alarmes continuam possíveis.

A telessaúde também pode se beneficiar de outras formas de IA, como soluções da Corti.AI. Abordamos o tema no artigo “Cuidados em casa: cinco ações ligadas à telemedicina”.

Melhorando a Pesquisa Médica

A biologia trabalha com sistemas complexos e dados variáveis. Isso pode dificultar a padronização de amostras e medições, mas não torna a área menos rigorosa que outras ciências.

A diversidade entre indivíduos e amostras é uma característica que precisa ser considerada no desenho dos estudos.

Algumas tarefas ainda incluem observação e classificação manual ao microscópio, embora muitos exames de sangue já utilizem instrumentos automatizados. A variabilidade entre observadores é um dos desafios.

Ferramentas como Shonit, da SigTuple, auxiliam a digitalização e a análise morfológica de células. Isso não significa substituir todas as medições de um hemograma ou dispensar revisão profissional.

Fonte: Sigtuple

Ferramentas como as da Enlitic também ajudam a padronizar informações e metadados associados a imagens. A padronização de dados não é, por si só, um diagnóstico.

A pesquisa médica precisa integrar informações de genômica, transcriptômica, proteômica e outras áreas, como discutimos em “A multiômica é o próximo passo na biotecnologia”.

A IA também é estudada para desenvolver ferramentas de edição genética, tema do artigo “Edição genética apoiada por IA com OpenCRISPR-1”.

Apoio a pessoas com deficiência

A visão computacional pode ajudar pessoas cegas ou com baixa visão a identificar objetos e interpretar cenas. A qualidade do auxílio depende do sistema e do ambiente.

O reconhecimento óptico de caracteres combinado com síntese de voz pode tornar textos mais acessíveis.

Expressões faciais e gestos também podem servir de interface para controlar dispositivos, de acordo com as capacidades e necessidades da pessoa.

Empresas de visão computacional

1. Alphabet

O Google atua em vários mercados de tecnologia, com produtos como a Busca e o sistema Android.

A empresa também desenvolve IA, incluindo pesquisas em visão computacional aplicada à saúde, com usos potenciais em análise de imagens e apoio ao cuidado.

A IA também é usada em outras áreas. Por exemplo, o AlphaFold AI prevê estruturas tridimensionais de proteínas e pode apoiar pesquisas. A previsão estrutural não estabelece, por si só, a eficácia nem a segurança de um medicamento, que exigem experimentação e estudos apropriados. Discutimos aplicações em “Modelagem prospectiva aponta possibilidades para a descoberta de medicamentos com IA”.

Fonte: News Medical

As iniciativas de IA em saúde do Google incluem Med-PaLM, estudado com questões semelhantes às de exames médicos, além do Open Health Stack para desenvolvedores, do DeepVariant para análise de variantes genéticas e de pesquisas em aprendizagem profunda aplicada a prontuários eletrônicos. Bom desempenho em perguntas de exame não equivale a autorização para prática clínica autônoma.

A Vision AI do Google também tem aplicações fora da saúde, como análise de imagens e documentos. A geração de textos, imagens e vídeos pertence a outras famílias de modelos e não deve ser confundida com toda ferramenta de visão computacional.

A Alphabet (GOOG ), controladora do Google, tem atuação ampla em tecnologia e IA. As aplicações médicas devem ser avaliadas individualmente quanto a evidências, riscos e autorização de uso.

2. Butterfly Network

A Butterfly desenvolve aparelhos portáteis de ultrassom e ferramentas de software. Sua solução de gestão de fluxos de trabalho inclui o “Compass”. Não deve ser descrita simplesmente como um sistema autônomo de diagnóstico.

Fonte: Butterfly Network

A empresa chegou à sua ^terceira geração de sondas, com o lançamento do iQ3 em 2024. Segundo a fabricante, ele oferece o dobro da taxa de transferência de dados e o dobro da capacidade de processamento da geração anterior. A tecnologia de ultrassom em chip difere dos transdutores piezoelétricos tradicionais, sem ser superior em toda situação clínica.

Entre os recursos anunciados estão visualização em múltiplos planos e funções de aquisição volumétrica para aplicações específicas, integração com software e inicialização rápida. Preços e disponibilidade dependem do mercado, dos acessórios e das assinaturas.

A empresa utiliza IA para apoiar aquisição de imagens, medições específicas e treinamento. Esses recursos não dispensam formação nem avaliação clínica.

Fonte: Butterfly Network

A Butterfly busca ampliar sua presença internacional e veterinária. A portabilidade pode facilitar exames, mas o uso e a disponibilidade variam segundo o país, a espécie e a indicação.