Os algoritmos baseados na IA têm o potencial de apoiar o diagnóstico dermatopatológico no futuro. Actualmente, estão em curso muitos esforços de investigação a este respeito. Entre outras coisas, foi desenvolvido um algoritmo de aprendizagem profunda que pode ser utilizado para a detecção do carcinoma basocelular e do carcinoma espinocelular escamoso. O objectivo é fornecer uma avaliação rápida e precisa de AI-assistente.
O Dr Daniel Otero Baguer, Centro de Technomathematics da Universidade de Bremen, mostrou como a inteligência artificial (IA) pode ser utilizada para processar imagens histológicas seccionais para a detecção do cancro da pele [1]. A IA deve um dia ajudar os dermatopatologistas a examinar as secções de tecido histológico em menos tempo sem comprometer a qualidade dos resultados da avaliação, explicou o orador. Para este fim, foi desenvolvido um algoritmo de aprendizagem profunda que é capaz de detectar carcinomas basocelulares (BCC) e carcinomas escamosos (SCC) e de medir os tumores [2]. Além disso, é gerado um relatório automatizado, que pode ser controlado pelo médico e ajustado se necessário. Actualmente, está a ser desenvolvida uma ferramenta em estreita cooperação com dermatopatologistas para colmatar a “lacuna” entre os resultados da investigação e a aplicabilidade na prática diária, diz o Dr. Otero Baguer.
Ferramenta de IA prova notável sensibilidade e especificidade
A instalação de teste no departamento de dermatopatologia em Duisburg-Essen está em funcionamento desde Abril de 2021, diz o investigador [1]. Um total de 3527 amostras de BCC foram examinadas com o algoritmo de Aprendizagem Profunda. Embora tenha havido resultados falso-negativos e falso-positivos, com uma especificidade de cerca de 98% e uma sensibilidade de cerca de 99%, é um método muito promissor. “Estamos, evidentemente, a tentar melhorar continuamente o algoritmo de Aprendizagem Profunda”, diz o Dr Otero Baguer [1]. O objectivo não é substituir o dermatopatologista, mas sim apoiar o seu trabalho, diz o investigador. As decisões baseadas na IA devem ser avaliadas pelo médico, pelo que todo o procedimento é mais económico em termos de tempo do que sem o uso de inteligência artificial. A ferramenta de IA mede automaticamente a espessura dos tumores detectados. Também aqui, a aplicação de IA estava errada em alguns casos, mas o balanço geral é respeitável: o algoritmo de Aprendizagem Profunda foi utilizado em 3315 amostras e em 339 (10,23%) destas o patologista teve de corrigir a medição do tumor (Tab. 1) [1]. Estes defeitos são muito rapidamente visíveis para o dermatopatologista.
Implementação prevista para outras entidades tumorais
A metodologia inovadora foi também implementada para a detecção do carcinoma espinocelular (SCC). Foi demonstrado que a mesma rede neural pode distinguir de forma fiável entre BCC e SCC, explicou o orador. Um exemplo de relatórios gerados pelo algoritmo do Deep Learning é mostrado na caixa. A ideia é que o diagnóstico inicial apoiado pela IA é controlado por um médico em cada caso. O texto gerado automaticamente pode ser facilmente adaptado. O algoritmo de aprendizagem profunda desenvolvido pelos investigadores não é apenas utilizado para BCC e SCC, mas também para outras entidades tumorais como a doença de Bowen, disse o orador. Foi também lançado um projecto para a detecção automática de metástases de melanoma em gânglios linfáticos, que é financiado pela Fundação Hiege [3].
Congresso: Congresso sobre cancro da pele / Grupo de Trabalho Oncologia Dermatológica
Literatura:
- “Uso de inteligência artificial na histologia BCC e SCC”, Daniel Otero Baguer, MD, Congresso Alemão do Cancro da Pele, 15.09.2022
- Le’Clerc Arrastia J, et al: Deeply Supervised UNet for Semantic Segmentation to Assist Dermato-pathological Assessment of Basal Cell Carcinoma. J Imaging 2021; 7(4): 71.
- “Estabelecimento de um algoritmo de reconhecimento de padrões para a detecção histológica de gânglios linfáticos sentinela de escudo em doentes com melanoma”, https://hautkrebsstiftung.de/forschungsprojekte-zur-melanomforschung,(último acesso 08.12.2022).
