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 mais precisão e consistência do que os especialistas humanos, reduzindo potencialmente diagnósticos perdidos ou inconclusivos.
O sistema, chamado CytoDiffusion, depende de IA generativa (o mesmo tipo de tecnologia usada em geradores de imagens como o DALL-E) para analisar detalhadamente a aparência das células sanguíneas. Ele não se concentra apenas em padrões óbvios, mas em vez disso estuda as mudanças sutis nas células sob o microscópio.
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 seu método pode identificar todas as aparências normais das células sanguíneas e rotular de forma confiável células raras ou anormais que podem sinalizar doenças. O trabalho, liderado por pesquisadores da Universidade de Cambridge, da University College London e da Queen Mary University of London, foi publicado na revista Nature Machine Intelligence.
Identificar pequenas diferenças no tamanho, forma e estrutura das células sanguíneas é fundamental para diagnosticar muitas doenças do sangue. No entanto, aprender a fazer isso bem pode exigir anos de experiência, e mesmo médicos altamente treinados podem discordar ao analisar casos complexos.
“Todos nós temos muitos tipos diferentes de células sanguíneas em nossos corpos, com propriedades e funções diferentes”, disse o primeiro autor do estudo, Simon Deltadahl, do Departamento de Matemática Aplicada e Física Teórica da Universidade de Cambridge. “Por exemplo, os glóbulos brancos são especializados no combate a infecções. Mas compreender a aparência dos glóbulos sanguíneos anormais ou doentes ao microscópio é uma parte importante do diagnóstico de muitas doenças.”
Balança de processamento para análise de sangue
Um esfregaço de sangue padrão pode conter milhares de células individuais, muito mais do que uma pessoa pode examinar fisicamente uma por uma. “Os humanos não conseguem ver todas as células num esfregaço – é impossível”, disse Deltadar. “Nosso modelo automatiza esse processo, classificando casos rotineiros e destacando quaisquer anomalias para análise humana.”
Este desafio é familiar aos médicos. “O desafio clínico que enfrento como hematologista júnior é que, ao longo de um dia de trabalho, me deparo com um grande número de esfregaços de sangue para analisar”, disse o co-autor sênior Dr. Suthesh Sivapalaratnam, da Queen Mary University of London. “Ao analisá-los tarde da noite, comecei a acreditar que a IA faria um trabalho melhor do que eu.”
Treine em conjuntos de dados sem precedentes
Para construir a CytoDiffusion, os pesquisadores treinaram em mais de 500.000 imagens de esfregaços de sangue coletadas 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 como classificar as células em categorias fixas, a IA modela todo o espectro de como as células sanguíneas aparecem. Isto permite-lhe adaptar-se melhor às diferenças entre hospitais, microscopia e técnicas de coloração, ao mesmo tempo que melhora a sua capacidade de detectar células raras ou anormais.
Detecte leucemia com mais confiança
Quando testado, o CytoDiffusion identificou células anormais associadas à leucemia com muito maior sensibilidade do que os sistemas existentes. Mesmo quando treinado com muito menos exemplos, teve um desempenho tão bom ou melhor que o modelo líder atual e foi capaz de quantificar a confiança nas suas previsões.
“Quando testamos sua precisão, o sistema era um pouco melhor que os humanos”, disse Deltadar. “Mas o que realmente se destaca é saber quando é incerto. Nosso modelo nunca dirá que é certo e depois estará errado, mas é isso que os humanos fazem às vezes.”
O co-autor sênior, Professor Michael Roberts, do Departamento de Matemática Aplicada e Física Teórica da Universidade de Cambridge, disse que o sistema foi avaliado em relação aos desafios do mundo real enfrentados pela inteligência artificial médica. “Avaliamos nossa abordagem em relação a muitos desafios encontrados na IA do mundo real, como imagens nunca antes vistas, imagens capturadas por diferentes máquinas e o grau de incerteza nos rótulos”, disse ele. “Esta estrutura fornece uma visão multifacetada do desempenho do modelo que acreditamos que será benéfica para os pesquisadores.”
Quando as imagens de IA enganaram os especialistas humanos
A equipe também descobriu que a CytoDiffusion pode gerar imagens sintéticas que parecem indistinguíveis das células sanguíneas reais. Num “teste de Turing” envolvendo dez hematologistas experientes, os especialistas não conseguiram distinguir imagens reais daquelas criadas pela inteligência artificial.
“Isso realmente me surpreendeu”, disse Deltadar. “Essas pessoas ficam olhando para as células sanguíneas o dia todo e nem conseguem ver.”
Abrindo dados para a comunidade de pesquisa global
Como parte do projeto, os pesquisadores divulgarão o que consideram ser a maior coleção mundial de imagens de esfregaços de sangue periférico disponível publicamente, totalizando mais de 500 mil amostras.
“Ao disponibilizar este recurso, esperamos permitir que investigadores de todo o mundo construam e testem novos modelos de IA, democratizem dados médicos de alta qualidade e, em última análise, contribuam para um melhor atendimento ao paciente”, disse Deltadahl.
Apoie, não substitua, os médicos
Apesar dos resultados promissores, os investigadores sublinham que o CytoDiffusion não se destina a substituir médicos treinados. Em vez disso, foi concebido para ajudar os médicos, sinalizando rapidamente casos relevantes e processando automaticamente amostras de rotina.
“O verdadeiro valor da IA nos cuidados de saúde não reside na abordagem da experiência humana a um custo mais baixo, mas em permitir maiores capacidades de diagnóstico, previsão e prescrição do que os especialistas ou modelos estatísticos simples podem alcançar”, disse o co-autor sénior Professor Parashkev Nachev da University College London. “O nosso trabalho mostra que a IA generativa será fundamental para esta missão, mudando não só a fidelidade dos sistemas de apoio clínico, mas também a sua visão sobre as limitações do seu próprio conhecimento. Esta consciência ‘metacognitiva’ – saber o que as pessoas não sabem – é crítica para a tomada de decisões clínicas, e aqui mostramos que as máquinas podem ser melhores nisso do que nós.”
A equipe observou que são necessárias pesquisas adicionais para melhorar a velocidade do sistema e validar seu desempenho em uma população de pacientes mais diversificada, 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. Este trabalho foi realizado pelo Grupo de Trabalho de Imagens do BloodCounts! Aliança usará inteligência artificial para melhorar diagnósticos de sangue em todo o mundo. Simon Deltadahl é membro do Lucy Cavendish College, Universidade de Cambridge.
