Inteligência artificial usada para identificar câncer de pele

Na esperança de criar um melhor acesso aos cuidados médicos, os pesquisadores de Stanford treinaram um algoritmo para diagnosticar o câncer de pele.

Já é bastante assustador marcar uma consulta médica para ver se uma pinta estranha pode ser cancerígena. Imagine, então, que você estava nessa situação e ao mesmo tempo morava longe do médico mais próximo, sem poder se ausentar do trabalho e sem ter certeza de ter dinheiro para cobrir os custos da consulta. Num cenário como este, a opção de receber um diagnóstico através do seu smartphone pode salvar vidas.

Um dermatologista usa um dermatoscópio, um tipo de microscópio portátil, para observar a pele. Cientistas da computação de Stanford criaram um algoritmo de diagnóstico artificialmente inteligente para câncer de pele que corresponde ao desempenho de dermatologistas certificados. (Crédito da imagem: Matt Young)

O acesso universal aos cuidados de saúde estava nas mentes dos cientistas da computação de Stanford quando se propuseram a criar um algoritmo de diagnóstico artificialmente inteligente para o cancro da pele. Eles criaram um banco de dados com quase 130 mil imagens de doenças de pele e treinaram seu algoritmo para diagnosticar visualmente um possível câncer. Desde o primeiro teste, o desempenho foi com uma precisão inspiradora.

“Percebemos que era viável, não apenas fazer algo bem, mas também ser um dermatologista humano”, disse Sebastian Thrun, professor adjunto do Laboratório de Inteligência Artificial de Stanford. “Foi aí que nosso pensamento mudou. Foi quando dissemos: ‘Olha, este não é apenas um projeto de aula para estudantes, é uma oportunidade de fazer algo grande pela humanidade.’”

O produto final, tema de artigo na edição de 25 de janeiro da Nature, foi testado contra 21 dermatologistas credenciados. No diagnóstico de lesões de pele, que representavam os cânceres de pele mais comuns e mais letais, o algoritmo acompanhou o desempenho dos dermatologistas.

Todos os anos ocorrem cerca de 5,4 milhões de novos casos de cancro de pele nos Estados Unidos e, embora a taxa de sobrevivência de cinco anos para o melanoma detectado nos seus estados iniciais seja de cerca de 97%, essa taxa cai para aproximadamente 14% se for detectado nos seus estágios mais recentes. . A detecção precoce provavelmente poderá ter um enorme impacto nos resultados do câncer de pele.

O diagnóstico do câncer de pele começa com um exame visual. O dermatologista geralmente examina a lesão suspeita a olho nu e com o auxílio de um dermatoscópio, que é um microscópio portátil que fornece ampliação de baixo nível da pele. Se esses métodos forem inconclusivos ou levarem o dermatologista a acreditar que a lesão é cancerosa, a biópsia é o próximo passo.

Trazer esse algoritmo para o processo de exame segue uma tendência na computação que combina processamento visual com aprendizado profundo, um tipo de inteligência artificial modelada a partir de redes neurais no cérebro. A aprendizagem profunda tem uma história de décadas na ciência da computação, mas só recentemente foi aplicada a tarefas de processamento visual, com grande sucesso. A essência do aprendizado de máquina, incluindo o aprendizado profundo, é que um computador é treinado para resolver um problema, em vez de ter as respostas programadas nele.

André Esteva (crédito da imagem: Matt Young)

“Criamos um algoritmo de aprendizado de máquina muito poderoso que aprende com os dados”, disse Andre Esteva, co-autor principal do artigo e estudante de pós-graduação no laboratório Thrun. “Em vez de escrever em código de computador exatamente o que procurar, você deixa o algoritmo descobrir.”

O algoritmo alimentou cada imagem como pixels brutos com um rótulo de doença associado. Comparado a outros métodos de treinamento de algoritmos, este requer muito pouco processamento ou classificação das imagens antes da classificação, permitindo que o algoritmo trabalhe com uma variedade maior de dados.

Em vez de construir um algoritmo do zero, os pesquisadores começaram com um algoritmo desenvolvido pelo Google que já estava treinado para identificar 1,28 milhão de imagens de 1.000 categorias de objetos. Embora estivesse preparado para diferenciar gatos de cães, os pesquisadores precisavam dele para diferenciar um carcinoma maligno de uma ceratose seborreica benigna.