A inteligência artificial (IA) pode ajudar a detetar o cancro da pele na prática clínica diária, mas um dos obstáculos é que as decisões tomadas pelos algoritmos não são muitas vezes compreensíveis. Cientistas do Centro Alemão de Investigação do Cancro desenvolveram agora um sistema de apoio baseado em IA para o diagnóstico do cancro da pele que fornece explicações para as decisões dos algoritmos. O objetivo é reforçar a confiança dos profissionais de saúde nas aplicações de IA.
Os melanomas são responsáveis pela maioria das mortes relacionadas com o cancro da pele em todo o mundo, mas são difíceis de distinguir de outros tumores cutâneos numa fase inicial. Os recentes avanços nos sistemas de apoio ao diagnóstico baseados em IA podem ajudar os dermatologistas a diagnosticar melanomas e toupeiras com maior precisão, utilizando imagens digitalizadas de lesões suspeitas. Mas que características determinam o resultado de um sistema de IA? “A responsabilidade final por um diagnóstico cabe ao médico. É por isso que os dermatologistas estão justificadamente cautelosos quanto à utilização de sistemas baseados em IA sem serem capazes de compreender as suas decisões”, explicou o Dr. Titus Brinker do Centro Alemão de Investigação do Cancro (DKFZ) [1]. “O nosso objetivo era, portanto, desenvolver um sistema de apoio adaptado à perspetiva dos dermatologistas no diagnóstico do melanoma e que explicasse o seu processo de tomada de decisão”, afirma o Dr. Brinker [1].
| Estudo MELVEC na Universidade de Basileia Os novos sistemas de fotografia 3D de corpo inteiro baseados na inteligência artificial com análise de software assistida por computador para a avaliação do risco de alterações pigmentares da pele têm o potencial de melhorar a deteção precoce do melanoma maligno e, assim, influenciar positivamente o prognóstico da doença. O estudo MELVEC da Universidade de Basileia está a investigar a utilização da mais recente fotografia 3D de corpo inteiro para o rastreio do melanoma. Especificamente, o estudo analisa a eficácia da utilização adicional de sistemas de análise de fotografias com base em software de IA e a sua utilização em doentes com elevado risco de (novo) melanoma na deteção precoce, em comparação com o padrão atual, os controlos clínicos efectuados por um dermatologista. Para além dos potenciais benefícios e da precisão desta nova tecnologia num contexto real, será também avaliada a aceitação pelos doentes deste procedimento inovador e a carga emocional do cancro da pele, bem como a necessidade de apoio psicológico em diferentes fases da doença. O estudo MELVEC está a decorrer desde 2020 e já incluiu mais de 400 doentes. |
| para [3 .4] |
“Inteligência artificial explicável”
“Na sequência de trabalhos anteriores, desenvolvemos a nossa IA explicável (XAI = inteligência artificial explicável) desenvolvido de tal forma que fornece explicações do tipo dermatológico que se relacionam com as características de zonas específicas e individuais da lesão”. [1]. Num estudo em três fases, a equipa do Dr. Brinker investigou os efeitos na precisão do diagnóstico, na certeza do diagnóstico e na confiança dos dermatologistas no sistema explicativo [1,2]. Os investigadores queriam também saber quais os factores que promovem a confiança dos médicos nesta tecnologia. Mais de cem dermatologistas de 33 países participaram no estudo. Os médicos diagnosticaram um painel de teste de imagens digitalizadas de várias lesões três vezes – com base apenas na sua experiência, com o apoio de um sistema de IA convencional e com a XAI. Tal como já foi documentado em estudos anteriores, a utilização de um sistema de IA aumentou a exatidão do diagnóstico na deteção do melanoma, mas não foi possível aumentar ainda mais com a utilização da XAI. A confiança dos dermatologistas nas suas próprias decisões também melhorou com o apoio da IA – e aumentou significativamente mais uma vez quando se utilizou o sistema XAI. Os médicos tinham especial confiança no seu próprio diagnóstico se os seus critérios de decisão correspondessem em grande parte aos critérios enumerados pelo XAI. “Os resultados ilustram que a XAI pode melhorar a confiança dos médicos no diagnóstico e tem o potencial de aumentar a aceitação da utilização de métodos de IA por parte dos profissionais de saúde”, afirma o Dr. Brinker, líder do estudo.
| MedUni Vienna: “Aprendizagem por reforço” para um melhor diagnóstico do cancro da pele Uma equipa de investigação internacional investigou a aprendizagem por reforço como um método para alcançar uma maior precisão nos resultados da IA através da incorporação de critérios de decisão humanos. Os investigadores integraram critérios sob a forma de “tabelas de recompensas” no sistema de IA. As tabelas de recompensas são ferramentas que incorporam as consequências positivas e negativas das avaliações clínicas no processo de tomada de decisão, tanto na perspetiva dos médicos como dos doentes. Nesta base, os resultados do diagnóstico da IA foram não só classificados como correctos ou incorrectos, mas também recompensados ou penalizados com um determinado número de pontos positivos ou negativos, em função dos efeitos do diagnóstico ou das decisões dele resultantes. Este facto melhorou significativamente a precisão: A sensibilidade para os melanomas, por exemplo, foi aumentada de 61,4% para 79,5% e para os carcinomas basocelulares de 79,4% para 87,1%. Globalmente, a taxa de diagnósticos correctos efectuados por dermatologistas aumentou 12%. O estudo foi publicado na revista Nature Medicine . |
| de acordo com [6] |
A IA já não é uma “caixa negra”
As condições propostas pela Comissão Europeia para aplicações de IA fiáveis incluem visão geral, transparência e responsabilidade. Se os algoritmos de IA forem uma “caixa negra”, isso pode ter um impacto negativo na aceitação do utilizador. Especialmente porque a medicina moderna propaga o diagnóstico baseado em provas como base para as decisões terapêuticas. Por conseguinte, a técnica da inteligência artificial explicável (XAI) foi desenvolvida para aumentar a fiabilidade das previsões e julgamentos gerados pela IA, explicando como se chegou às conclusões baseadas na IA.
Literatura:
- “O apoio baseado em IA para o diagnóstico do cancro da pele explica as suas decisões”, DKFZ, 17.01.2024.
- Chanda T, et al: Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma. Nature Communications 2024,
DOI: 10.1038/s41467-023-43095-4 - “Aumento alarmante dos casos de cancro da pele: AI-supported 3D full-body photography to the rescue?”, www.skincancer.ch/newsletter-28,(último acesso em 21/02/2024)
- “Aim of the study”, www.hautkrebs-basel.ch,(último acesso em 21/02/2024).
- Smuha NA: A abordagem da UE às orientações éticas para uma inteligência artificial fiável. Computer Law Review International; 2019; Vol. 20; iss. 4; 97-106.
- Barata C, et al: Um modelo de aprendizagem por reforço para apoio à decisão baseado em IA no cancro da pele. Nat Med 2023; 29(8): 1941-1946.
DERMATOLOGIE PRAXIS 2024; 34(1): 29 (publicado em 25.2.24, antes da impressão)
