Um modelo baseado em inteligência artificial desenvolvido na Universidade de Michigan consegue analisar uma ressonância magnética cerebral e diagnosticar pacientes em segundos, de acordo com pesquisa publicada na quinta-feira na Nature Biomedical Engineering. A tecnologia, chamada Prima, detectou condições neurológicas com até 97,5% de precisão e previu o nível de urgência do tratamento dos pacientes em mais de 50 categorias diagnósticas.
O modelo de linguagem visual, pioneiro em seu tipo, foi treinado com mais de 220.000 estudos de ressonância magnética e 5,6 milhões de sequências acumuladas desde que a digitalização em radiologia começou no University of Michigan Health há décadas. Os pesquisadores afirmam que a tecnologia pode transformar a neuroimagem em sistemas de saúde em todos os Estados Unidos ao resolver a persistente escassez de radiologistas e reduzir atrasos no diagnóstico.
Como a Prima Funciona
“À medida que a demanda global por ressonâncias magnéticas aumenta e coloca uma pressão significativa sobre nossos médicos e sistemas de saúde, nosso modelo de IA tem potencial para reduzir essa carga ao melhorar o diagnóstico e o tratamento com informações rápidas e precisas”, disse o autor sênior Todd Hollon, neurocirurgião da University of Michigan Health e professor assistente de neurocirurgia.
A Prima funciona como um modelo de linguagem visual, um sistema de IA que pode processar simultaneamente vídeo, imagens e texto em tempo real. Ao contrário de modelos anteriores de IA para neuroimagem que dependiam de subconjuntos de dados de ressonância magnética selecionados manualmente para tarefas específicas, a Prima integra informações do histórico médico do paciente e de todas as sequências de imagem para produzir avaliações diagnósticas abrangentes.
Em testes realizados em aproximadamente 30.000 estudos de ressonância magnética ao longo de um ano, a Prima alcançou uma área média sob a curva ROC de 92,0% para diagnóstico, superando outros modelos de IA de ponta em 52 diagnósticos radiológicos abrangendo lesões neoplásicas, inflamatórias, infecciosas e do desenvolvimento.
Enfrentando Desafios Críticos na Área da Saúde
O modelo pode alertar automaticamente os profissionais de saúde quando casos exigem atenção imediata, como hemorragias cerebrais ou AVCs, e recomendar qual médico especialista deve ser notificado. Os pesquisadores também inserem no sistema os históricos clínicos dos pacientes e os motivos dos médicos para solicitar exames de imagem.
“A precisão é fundamental na leitura de uma ressonância magnética cerebral, mas prazos de resposta rápidos são críticos para diagnósticos oportunos e melhores resultados”, disse Yiwei Lyu, coautor principal e pesquisador de pós-doutorado em Ciência da Computação e Engenharia na U-M. “Em etapas-chave do processo, nossos resultados mostram como o Prima pode melhorar os fluxos de trabalho e agilizar o atendimento clínico sem comprometer a precisão.”
Implicações para os Sistemas de Saúde
Milhões de exames de ressonância magnética são realizados globalmente a cada ano, com uma demanda que supera a disponibilidade de serviços de neurorradiologia. Isso cria escassez de profissionais e erros de diagnóstico, com algumas instituições levando dias ou mais para entregar os resultados.
“Seja você recebendo um exame em um sistema de saúde maior que está enfrentando aumento de volume ou em um hospital rural com recursos limitados, tecnologias inovadoras são necessárias para melhorar o acesso aos serviços de radiologia”, disse Vikas Gulani, diretor do Departamento de Radiologia do U-M Health.
O trabalho futuro da equipe de pesquisa explorará a integração de dados de prontuários eletrônicos para um diagnóstico mais preciso. O estudo foi financiado pelo National Institutes of Health, Chan Zuckerberg Initiative e várias fundações da Universidade de Michigan.
