Blog
Células cancerígenas – Arte sobre imagens Cecil Fox/NCI/Wikimedia Commons/Domínio público
.jpg){kind=link}
Inteligência artificial pode auxiliar na predição da mortalidade em casos de câncer
Estudo na Faculdade de Saúde Pública da USP revela benefícios na utilização de inteligência artificial para auxiliar tomadas de decisões médicas
De acordo com o Instituto Nacional de Câncer (Inca), 705 mil casos da doença são esperados a cada ano até 2025 somente no Brasil. Dentro desse cenário preocupante, pesquisadores do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da Faculdade de Saúde Pública (FSP) da USP estudam o uso de inteligência artificial (IA) por machine learning na predição da mortalidade de pacientes com a doença. O algoritmo informa a equipe médica sobre o risco do paciente evoluir para óbito entre 12 a 24 meses após a data de diagnóstico, garantindo assim um panorama sobre a gravidade de seu estado e quais medidas preventivas específicas devem ser tomadas. A iniciativa é fruto de um financiamento garantido pela Secretaria Estadual de Saúde de São Paulo.
De acordo com o doutorando Gabriel Silva, da FSP e pesquisador principal do estudo, os dados obtidos pela IA ficariam disponíveis desde o início do tratamento. “Digamos que o paciente fez os seus exames e voltou no retorno com o médico. Ali o profissional já vai ter algumas informações, por exemplo, quanto ao estadiamento clínico”, explica Gabriel ao Jornal da USP. Estadiar um caso de câncer implica a avaliação de seu grau de disseminação – dado-chave para se identificar pacientes de alto risco.
O pesquisador afirma que a rápida indicação de um caso grave ajudaria no conhecimento antecipado de medidas que possam aumentar a sobrevida de diagnosticados com câncer. “Isso pode ser uma ferramenta muito útil para priorizar o tratamento de determinados pacientes, para identificar qualquer pessoa que tem o maior risco de morrer. O que eu faço com esse paciente hoje? Eu passo ele na frente da fila de tratamento ou esse paciente apresenta um baixíssimo risco de morte e eu consigo priorizar uma outra pessoa em uma situação mais grave?”, explica Gabriel.
A pesquisa contou com o banco de dados do Registro Hospitalar de Câncer (RHC) da Fundação Oncocentro de São Paulo (Fosp), vinculada à Secretaria de Saúde, que tem como objetivo incentivar o estudo e o ensino de atividades de prevenção e detecção precoce do câncer. Apenas pacientes diagnosticados de 2014 a 2017 no Estado de São Paulo foram incluídos no estudo, que abrange todos os cânceres com maior incidência na população brasileira, como o de mama e o de próstata. O câncer de pele não melanoma, por apresentar altos índices de cura, não foi considerado para a pesquisa. Ao todo, 29 mil pacientes tiveram seus perfis analisados por inteligência artificial, sendo que 72,7% foram diagnosticados em hospitais públicos.
A aplicação prática do uso de IA ficaria a cargo da disponibilização das informações no prontuário digital, já utilizado pelo Sistema Único de Saúde (SUS) desde 2017. O prontuário já é uma tecnologia que possibilita a consulta do histórico clínico, resultados de exames e dados sobre os pacientes.
O professor Alexandre Chiavegatto Filho, diretor do Labdaps e docente da FSP, explicita os benefícios da implementação da inteligência artificial. “Os algoritmos garantirão um subsídio à equipe médica. Hoje em dia o médico possui muita informação dispersa, mas nada que unifique tudo para dar exatamente o que esse profissional gostaria de saber, que é a gravidade desse paciente.”
A utilização de IA na área da saúde é um campo ainda pouco explorado. A aplicação por machine learning, neste caso, auxilia na tomada de decisões médicas ao utilizar algoritmos para realizar previsões precisas acerca das condições de saúde do paciente em questão. O doutorando aponta os benefícios da inteligência artificial para o campo médico. “O machine learning funciona a partir do aprendizado das regras gerais dos dados. Ao apresentarmos um conjunto de informações, são explicitadas uma série de relações que a olho nu não seriam identificadas”, explica Gabriel.
Agora, os pesquisadores prosseguem para a fase dois do estudo, utilizando uma inteligência artificial 2.0 e adotando um estudo clínico randomizado (com pacientes distribuídos aleatoriamente entre os grupos para evitar vieses). “Nós já descobrimos que esses algoritmos tomam decisões inteligentes na área da saúde. O segundo passo é se perguntar se o profissional de saúde que tem essa informação toma melhores decisões”, afirma o diretor do Labdaps. Além disso, uma possível melhora no prognóstico dos pacientes também será analisada na próxima fase.
O artigo descrevendo o estudo Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil, foi publicado na revista científica Artificial Intelligence in the Life Sciences e faz parte da pesquisa de doutorado de Gabriel Silva.
Mais informações: e-mail gabriel8.silva@usp.br, com Gabriel Silva
Política de uso
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.