Essas são as considerações de Omir Antunes Paiva, médico radiologista no Hospital Israelita Albert Einstein, Luciano M. Prevedello, chefe da Divisão de Informática em Imagem Médica na Ohio State University Wexner Medical Center, em seu artigo “O potencial impacto da inteligência artificial na radiologia”.
É sabido que a influência da IA na Radiologia e diagnóstico por imagem é crescente e seu impacto é transformador, assim como aconteceu com as imagens digitais e os sistemas de PACS (Picture Archiving and Communication System), que trouxeram uma nova proposta de realizar relatórios dos exames de imagens, permitindo que grande número de dados fossem armazenados.
Se a Inteligência Artificial (IA) é a nova eletricidade, o carvão da atualidade são os dados.
O que antes prevalecia o sentimento de medo perante a novidade, como, por exemplo, indagações sobre o fim do profissional radiologista; hoje a IA vem para dar força ao PACS. Esta inteligência passa a ser uma poderosa ferramenta que proporciona uma maior agilidade e assertividade no laudo, colaborando, cada vez mais, para uma medicina de precisão e personalizada.
E juntamente com a IA, novos termos como machine learning, deep learning, rede neural, CAD (computer-aided diagnostic), CBIR (contentbased image retrival), passam a ser introduzidos no dia a dia do debate de como potencializar essas tecnologias na Radiologia.
Claudia da Costa Leite, do departamento de Radiologia e Oncologia da Faculdade de Medicina da Universidade de São Paulo (FMUSP), ressalta que há diversas possibilidades para a aplicação da IA na Imagem, como o “uso de algoritmos para fluxo de pacientes, definição de protocolos de imagem, imagens sintéticas, controle de qualidade, controle de dose da radiação, diagnóstico assistido por computador, detecção automática de lesões, interpretação automática de achados, radiômica, radiogenômica, entre outras”.
Ou seja, se antes da IA os exames de imagem tinham valor quantitativo e diagnóstico, agora, o especialista tem em mãos dados qualitativos sobre o paciente, obtendo informações que vão além de, por exemplo, detectar se um tumor é maligno ou benigno. Com o suporte da IA, a radiologia fornece dados como a presença de mutações de um tumor, a chance de resposta ao tratamento, de recorrência e a sobrevida do paciente.
Marcel Koenigkam Santos, do Centro de Ciências das Imagens e Física Médica (CCIFM) da Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (FMRP-USP), defende que, muito “além ‘baixar a pilha’ de exames, a inteligência artificial na Radiologia vem para reduzir o tempo de ação em casos urgentes, agilizar interpretação e emissão dos relatórios, aumentar o grau de confiança nos diagnósticos, tornar mais objetiva e reprodutível a análise das imagens, oferecer informações prognósticas de maneira mais fidedigna, auxiliar no ensino e aprendizado da imaginologia, e, por fim, inserir definitivamente a radiologia no conceito de medicina de precisão e avaliação multidisciplinar do paciente.”
Mais do que mudar o trabalho dos profissionais da área, a IA e suas ferramentas propõem mudar a perspectiva de trabalho, isto é, tarefas e exames simples podem ser interpretados pela IA, porém o papel do médico na verificação/validação/decisão terapêutica não deverão ser ameaçados.
Enquanto a IA fornece informações precisas para o profissional, este deverá saber integrá-las com os dados clínicos do paciente, contribuindo de forma mais holística para o diagnóstico.
Para tanto, a IA proporciona para este profissional uma maior atenção ao paciente e um maior campo de investigação, uma vez que este terá em suas mãos dados provenientes de diversas fontes além da imagem.
