Biotecnologia
IA como ferramenta de apoio ao diagnóstico médico
Adicione Securities.io às suas fontes preferidas no Google
Novas Ferramentas para Diagnósticos Antigos
Muitos diagnósticos ainda dependem da observação de sinais durante o exame do paciente. Na otite média aguda (OMA), a avaliação do tímpano e dos sintomas exige treinamento clínico.
A experiência do profissional e as condições do exame influenciam a avaliação. Estudos anteriores com profissionais relataram precisão diagnóstica da OMA entre 30% e 84%. Os resultados variavam conforme a formação do examinador e a idade das crianças.
A OMA pode ser confundida com otite média com efusão, quando há líquido no ouvido médio sem infecção aguda. Essa segunda condição geralmente não se beneficia de antibióticos. A confusão pode levar tanto a tratamento desnecessário quanto à falta de cuidados adequados.
Pesquisadores desenvolveram uma ferramenta de IA para ajudar a distinguir essas situações a partir de vídeos capturados com um smartphone. Um uso eficaz poderia reduzir prescrições desnecessárias de antibióticos e contribuir para enfrentar a resistência antimicrobiana.
“Diagnosticar menos casos do que o necessário pode resultar em cuidados insuficientes; diagnosticar em excesso pode levar a antibióticos desnecessários. A ferramenta busca apoiar a identificação correta e a escolha do tratamento.”
Alejandro Hoberman, professor de pediatria e diretor da Divisão de Pediatria Acadêmica Geral da Escola de Medicina da Universidade de Pittsburgh.
Fonte: UPMC
Segundo os pesquisadores, cerca de 70% das crianças apresentam uma infecção de ouvido antes do primeiro aniversário. Por isso, métodos confiáveis de identificação podem ter grande importância na atenção primária.
Diagnóstico por IA
Hoberman colaborou com pesquisadores da Tandon School of Engineering, em Nova York, do Bosch Center for Artificial Intelligence, em Pittsburgh, e da Dcipher Analytics, em Estocolmo.
Os resultados foram publicados na JAMA Pediatrics com o título “Desenvolvimento e validação de um classificador automatizado para diagnosticar otite média aguda em crianças”.
A ferramenta analisa vídeos do tímpano gravados com um otoscópio conectado à câmera de um smartphone. Foi concebida para apoiar decisões, e não para substituir todo o exame clínico.
Foram desenvolvidos dois modelos com um conjunto de 1.151 vídeos do tímpano de 635 crianças. Especialistas classificaram cada vídeo quanto à presença ou ausência de OMA.
A equipe utilizou 921 vídeos no desenvolvimento dos modelos e reservou outros 230 para os testes.
As características avaliadas incluíam forma, cor, posição e translucidez do tímpano.
Fonte: UPMC
Resultados promissores do estudo
O modelo de aprendizagem profunda DR-RNN apresentou sensibilidade de 93,8% e especificidade de 93,5%. No modelo de árvore de decisão, os valores foram 93,7% e 93,3%. Sensibilidade mede a identificação dos casos de OMA; especificidade mede a identificação correta dos casos sem OMA. Nenhum dos modelos estava livre de erros.
Os resultados foram promissores, mas a comparação com estudos anteriores não demonstra superioridade sobre médicos em todas as situações. É necessário avaliar o desempenho em diferentes populações e ambientes de atendimento.
Os vídeos podem ser armazenados no prontuário, usados para explicar os achados às famílias e empregados no ensino de estudantes e residentes. A gravação e o compartilhamento devem respeitar a proteção dos dados dos pacientes.
A ferramenta poderia apoiar o diagnóstico na atenção primária e reduzir antibióticos desnecessários, caso o benefício seja confirmado na prática.
O uso de smartphone e otoscópio pode facilitar a implementação técnica. Ainda são necessários treinamento, boa qualidade de imagem e cumprimento das exigências de aprovação e proteção de dados aplicáveis.
Empresas de Diagnóstico por IA
A diversidade dos dados médicos torna difícil aplicar IA ao corpo humano. Informações incompletas, variações entre equipamentos e vieses dos conjuntos de treinamento podem afetar o desempenho.
As redes neurais melhoraram a análise de imagens e outros dados complexos. Esse avanço geral também aparece em áreas como a pesquisa de direção autônoma.
Médicos interpretam radiografias, ressonâncias e outras imagens junto com sintomas e informações clínicas. A IA pode ajudar em tarefas específicas, mas reconhecer objetos no trânsito não comprova automaticamente melhor capacidade de diagnóstico médico.
Grandes fabricantes de equipamentos de imagem incorporam IA aos seus produtos, como GE Healthcare, Siemens Healthineers, Canon Medical e Philips. Essas empresas têm atividades em diversas áreas; seus títulos não oferecem exposição exclusiva à IA diagnóstica.
Entre as empresas privadas mais especializadas estão PathAI e Viz.AI . Empresa privada não significa empresa listada publicamente. A seguir são abordadas duas companhias negociadas em bolsa na época do artigo.
1. Butterfly Network
BFLY Gráfico de preços
A Butterfly Network desenvolve aparelhos portáteis de ultrassom e software. Sua plataforma de gestão e apoio ao fluxo de trabalho chama-se “Compass”. A plataforma não é um médico de IA que realiza diagnósticos de forma autônoma.
Fonte: Butterfly Network
A empresa chegou à terceira geração de aparelhos com o lançamento do iQ3 em 2024. Segundo o fabricante, a taxa de transferência de dados e a capacidade de processamento eram ambas duas vezes maiores que as da geração anterior. O aparelho utiliza tecnologia de ultrassom em chip baseada em semicondutores, em vez de cristais piezoelétricos convencionais.
O fabricante destaca recursos como diferentes modos de imagem, inicialização rápida e integração com software. O preço e a disponibilidade dependem do mercado, do pacote e das condições da assinatura.
A IA pode auxiliar o processamento de imagens, algumas medições e a orientação do usuário. Os recursos disponíveis e os usos autorizados devem ser conferidos para cada mercado.
Fonte: Butterfly Network
A Butterfly expandiu a distribuição internacional e desenvolveu produtos veterinários. A portabilidade permite exames em diferentes locais, mas não dispensa um usuário capacitado.
2. Enlitic (ENL.AX)
A Enlitic desenvolve IA para padronizar dados de imagens médicas. Suas soluções buscam uniformizar informações sobre exames e séries de imagens, em vez de simplesmente gerar diagnósticos.
A tecnologia combina análise de imagens e linguagem para identificar região anatômica, orientação, uso de contraste e espessura de corte. DICOM é um padrão de arquivos e comunicação de imagens médicas; HL7 se relaciona de forma mais ampla à troca de informações de saúde.
Fonte: Enlitic
A padronização pode facilitar a busca de imagens, a interoperabilidade e a análise. Ela não garante, por si só, que um modelo de IA funcione de forma confiável em todos os conjuntos de dados.
Dados padronizados e adequadamente protegidos podem ser usados em pesquisa ou no treinamento de modelos. Isso exige base jurídica apropriada, proteção dos pacientes e anonimização confiável; receitas adicionais para hospitais não são garantidas.
