A solução usa dados de biópsias, resultados de laboratórios e outros exames clínicos para mapear fatores de riscos e antecipar a probabilidade de tumores malignos
A IBM está trabalhando em um sistema de Inteligência Artificial capaz de prever o aparecimento do câncer de mama. Em parceria com a Maccabi Health Services e a Assuta Medical Center, de Israel, a instituição coletou dados de 52.936 imagens de 13.234 mulheres que foram submetidas a pelo menos uma mamografia entre 2013 e 2017 e que tiveram registros de saúde por pelo menos um ano antes do exame.
A IBM também coletou dados de biópsias, registros de câncer, resultados de laboratórios, informações sobre menopausa e outros exames clínicos. A partir disso, criou um modelo de algoritmo que mapeia as conexões entre fatores de riscos para antecipar a probabilidade de tumores malignos e diferenciar exames de triagem anormais.
“Esse modelo mapeou conexões entre características adicionais de risco clínico, como deficiência de ferro, perfis de leucócitos, síndrome metabólica e função tireoidiana, e foi capaz de ajudar a reduzir a probabilidade de diagnóstico errôneo do câncer de mama entre os casos estudados” afirmou Michal Chorev, membro da IBM Research, em um comunicado.
Segundo a IBM, o modelo foi capaz de prever 87% dos casos de surgimento de câncer, além de analisar e interpretar corretamente 77% dos casos em que foram identificados tumores benignos. Além disso, dos 71 casos em que os médicos inicialmente determinaram como benignos, mas que depois foram diagnosticados como malignos, o sistema de IA da IBM identificou o câncer em 41% deles.
“Nosso modelo poderá, um dia, ajudar os radiologistas a confirmar ou negar casos positivos de câncer de mama. Embora os falsos positivos possam causar estresse e ansiedade indevidos, os falsos negativos muitas vezes podem dificultar a detecção precoce do câncer e o seu tratamento subsequente”, disse Chorev.
A IBM não divulgou quando a solução será lançada para hospitais e profissionais da saúde, mas afirmou que está desenvolvendo ainda mais a tecnologia. “Planejamos continuar analisando esses elementos de risco clínico para entender melhor seu impacto e as conexões com o risco personalizado de um indivíduo”, disse Chorev.
