Após alguns resultados promissores na área da medicina, as tecnologias de inteligência artificial, deep learning e machine learning começaram a ser aplicadas em testes para diagnosticar e tratar diferentes tipos de cânceres.

Em uma edição especial da revista acadêmica Cancer Biomarkers, pesquisadores apresentaram uma série de abordagens e analisaram os desafios de utilizar essas tecnologias para aprimorar a capacidade de previsão dos biomarcadores de câncer e outras doenças.

O campo de biomarcadores conta com uma quantidade extremamente elevada de dados moleculares e de imagens. Isso significa que, apesar da vantagem de haver uma abundância de informações disponíveis, as ferramentas e técnicas de análise estatística tradicionais não são capazes de lidar com todo esse material. 

A inteligência artificial, portanto, surge para solucionar o problema, já que a tecnologia é capaz de descobrir novas interações que refletem a biologia de doenças, incluindo o câncer, com maior precisão.

Na edição especial da revista, os pesquisadores listam algumas aplicações mais promissoras da inteligência artificial, deep learning e machine learning, como: identificar cânceres em estágio inicial, inferir o local do câncer específico, auxiliar na escolha do tratamento adequado para cada paciente, caracterizar o microambiente do tumor e prever a resposta à imunoterapia. 

Escassez de dados

Uma ampla análise da literatura existente sobre o uso de IA para identificar biomarcadores de câncer de ovário e de pâncreas mostra que ainda há alguns desafios neste campo de pesquisa a serem superados. 

Dados.
Alguns estudos já utilizaram inteligência artificial e machine learning para analisar imagens a fim de detectar a doença antecipadamente ou ainda prever os possíveis resultados para o paciente.

Apesar desses dois tipos de cânceres serem raros, eles costumam ser letais, uma vez que eles não apresentam sintomas iniciais e, portanto, só costumam ser diagnosticados tardiamente. 

Alguns estudos já utilizaram inteligência artificial e machine learning para analisar imagens a fim de detectar a doença antecipadamente ou ainda prever os possíveis resultados para o paciente. Um dos principais desafios, no caso, é reunir bancos de dados que sejam grandes o suficiente.

Conforme explicam os pesquisadores, os algoritmos acabam tornando-se viciados e podem produzir respostas tendenciosas quando os dados com que foram treinados não são representativos ou estão incompletos.

Portanto, para que a descoberta por biomarcadores seja realmente útil, seria necessário que as instituições contassem com bancos de dados maiores e mais diversos para cânceres raros, além de métodos de relatório padronizados e interfaces mais simples.

No caso do câncer de pâncreas, a doença está associada a uma série de anomalias pré-condicionais que são visíveis em tomografias computadorizadas, mas elas são difíceis de serem compreendidas a partir de uma análise visual. 

Assim, pesquisadores desenvolveram um modelo capaz de examinar essas imagens de tomografia e classificar os pacientes com 86% de precisão. Um dos principais desafios da IA nessa área é a falta de dados devido à baixa incidência de casos. 

O modelo é uma forma de incentivar os pesquisadores a criar bancos de dados maiores para aprimorar o seu treinamento e validação, a fim de aumentar a precisão dos resultados obtidos. 

Tecnologias promissoras

Outras pesquisadas mencionadas na edição especial focam no desenvolvimento de novas ferramentas computacionais para facilitar o uso de IA na identificação de biomarcadores; uso de imagens e imunofluorescência para identificar características de imunidade em tumores de pâncreas; uso de microRNAs e machine learning para detectar tumores gastrointestinais; entre outros.

Os pesquisadores ainda indicam que a edição especial traz apenas uma pequena amostra das diversas abordagens que utilizam inteligência artificial, deep learning e machine learning nas pesquisas sobre biomarcadores.

Segundo eles, existe uma necessidade urgente de estratégias mais efetivas capazes de aprimorar o diagnóstico precoce de cânceres. Felizmente, alguns sistemas de IA já mostraram melhorias significativas na interpretação de imagens e outros dados para diferentes tipos de tumores.

Você também pode gostar