Raio-X de uma mama. 
Desenvolvido por pesquisadores do Computer Science and Artificial Intelligence Laboratory (CSAIL) e do Massachusetts General Hospital, este novo método de identificação antecipadamente de câncer poderia revolucionar o tratamento ao classificar com precisão 31% de todos os pacientes com câncer na categoria de maior risco, em comparação com 18% para os modelos tradicionais.
Apesar dos contínuos avanços científicos em genética, o câncer de mama é frequentemente diagnosticado muito tarde, levando a tratamentos agressivos com resultados nem sempre positivos. A identificação precoce de pacientes de risco a partir deste novo modelo de aprendizado profundo torna-se vital para detectar em uma mamografia se o paciente desenvolverá câncer no futuro.
Usando mamografias e resultados de mais de 60 mil pacientes, os pesquisadores foram capazes de desenvolver uma série de algoritmos que aprendem os padrões sutis no tecido mamário que são precursores de um tumor maligno.
Esta descoberta também permite personalizar o tratamento e o acompanhamento necessário para cada paciente, já que o debate sobre quando fazer a triagem permanece em aberto. Enquanto a Sociedade Americana do Câncer recomenda a triagem todos os anos a partir dos 45 anos, a Força Tarefa Preventiva dos EUA, por exemplo, recomenda a triagem bianual a partir dos 50 anos.
“Em vez de adotar uma abordagem de tamanho único, podemos personalizar a triagem para o risco de uma mulher desenvolver câncer”, explica Barzilay, autor principal do artigo sobre o projeto, em um comunicado do CSAIL. “Por exemplo, um médico poderia recomendar exames complementares de ressonância magnética para mulheres em alto risco, conforme avaliado pelo modelo.
Idade, história familiar de câncer de mama e de ovário, densidade mamária, fatores hormonais e reprodutivos têm sido até agora os agentes nos quais os modelos de risco têm se baseado.
“No entanto, a maioria desses marcadores está pouco associada ao câncer de mama”, dizem os autores da pesquisa. “Como resultado, mesmo após décadas de desenvolvimento, estes modelos ainda não são muito precisos a nível individual, e a maioria das organizações ainda sente que os programas de triagem baseados no risco não são viáveis, dadas estas limitações.
Portanto, em vez de detectar manualmente padrões individuais, este modelo de aprendizado profundo baseado em inteligência artificial induz padrões a partir de dados. Treinado em mais de 90 mil mamografias, este modelo detecta padrões tão sutis que seriam impossíveis de reconhecer com o olho humano.
“Desde os anos 1960, os radiologistas têm notado que as mulheres têm padrões únicos e muito variados de tecido mamário visível na mamografia”, informa o comunicado do CSAIL.
“Estes padrões podem representar a influência da genética, hormônios, gravidez, lactação, dieta, perda e ganho de peso. Agora podemos aproveitar estas informações detalhadas para sermos mais precisos em nossa avaliação de risco a nível individual da mulher”, acrescenta o comunicado.
Além do nível individual, este projeto é também um passo muito importante para as diferenças raciais, já que este modelo é igualmente eficaz em mulheres negras e brancas, o que não tem sido o caso dos modelos anteriores até agora. “Isto é especialmente importante para as mulheres afro-americanas, que têm 43% mais probabilidade de morrer de câncer de mama do que as mulheres brancas”, afirma o estudo.
Ansiosos para aplicar este modelo a outras doenças, os pesquisadores continuam a estudar este método em profundidade, na esperança de que ele possa um dia “permitir que os clínicos usem mamografias para ver se as pacientes correm maior risco de outros problemas de saúde, tais como doenças cardiovasculares ou outros tipos de câncer”.

source