Notícia com publicação científica
Nova abordagem híbrida para diagnostico da endometriose combina modelos de aprendizado de máquina e conhecimento humano
Análise que combina diferentes algoritmos com o conhecimento especializado humano poderia detectar a endometriose com mais precisão e mais precocemente
pikisuperstar via Freepik
10 de fevereiro de 2025, 19:52

Fonte

Rhiannon Koch, Universidade de Adelaide

Publicação Original

Universidade de Adelaide

Áreas

Cirurgia, Computação, Epidemiologia, Ginecologia, Imagens Médicas, Medicina, Medicina de Precisão, Modelagem Matemática, Processamento de Imagens

Compartilhar

Resumo

Pesquisadores desenvolveram recentemente um sistema híbrido para diagnóstico da endometriose que considera diferentes algoritmos de Inteligência Artificial, combinados com a análise de especialistas humanos.

O sistema híbrido, que ainda será ampliado com a inclusão de outras ferramentas, tem a pretensão de detectar a endometriose com mais precisão e mais precocemente do que a análise médica ou a análise da IA isoladamente.

Foco do Estudo

Combinar algoritmos de IA com o conhecimento humano em um único algoritmo que facilite a identificação mais precisa da endometriose.

Por que é importante?

A endometriose, quando tecido semelhante ao revestimento do útero cresce fora do útero, afeta cerca de 14% dos indivíduos designados como mulheres ao nascer.

Um sinal diagnóstico essencial da endometriose é a obliteração da Bolsa de Douglas (um pequeno espaço na pélvis feminina entre o útero e o reto), que até mesmo médicos experientes podem ter dificuldade em detectar com precisão em imagens de ressonância magnética.

Atualmente, demora em média 6,4 anos para que pacientes recebam um diagnóstico formal de endometriose, o que geralmente ocorre após a identificação de vários sinais por meio de exames de imagem e/ou cirurgia laparoscópica.

“O longo período de espera por um diagnóstico diminui a qualidade de vida daquelas afetadas pela doença, e a dependência atual de procedimentos invasivos para auxiliar no diagnóstico aumenta os custos de saúde, impondo um fardo considerável aos sistemas de saúde e aos pacientes. Esses desafios ressaltam a necessidade urgente de soluções inovadoras de diagnóstico baseadas em imagens que possam mitigar esses problemas e, ao mesmo tempo, melhorar o atendimento ao paciente”, disse a Dra. Yuan Zhang, pesquisadora da Escola de Medicina da Universidade de Adelaide, na Austrália.

Estudo

Pesquisadores da Universidade de Adelaide e da Universidade Macquarie, na Austrália, e da Universidade de Surrey, no Reino Unido, desenvolveram uma nova abordagem híbrida que combina Inteligência Artificial (IA) com conhecimento humano em vários níveis para detectar casos de endometriose o mais precocemente possível.

O sistema – chamado HAICOMM (Human-Artificial Intelligence Collaborative Multi-modal Multi-rater Learning) – incorpora três estágios de avaliação: aprendizado multiavaliador; aprendizado multimodal e a análise conjunta da IA e de médicos.

“HAICOMM é o primeiro método que explora três aspectos importantes do desafio no diagnóstico da endometriose: aprendizado multiavaliador, que extrai rótulos mais limpos dos vários rótulos ‘ruidosos’ disponíveis por amostra de treinamento; aprendizado multimodal, que viabiliza o uso de imagens de ressonância magnética para treinamento e teste; e colaboração humano-IA, para construir um sistema que considera as previsões de médicos e o modelo de IA para fornecer uma classificação mais precisa do que [aquela realizada apenas por] médicos sozinhos ou [apenas por] modelos de IA”, explicou a Dra. Yuan Zhang.

“Ao incorporar aprendizado multiavaliador, dados de ressonância magnética multimodal e colaboração entre humanos e IA, pretendemos aumentar a precisão e a confiabilidade do algoritmo”, continuou a pesquisadora.

Os resultados foram publicados na revista científica Physics in Medicine and Biology.

O HAICOMM introduz a colaboração entre humanos e IA, combinando as previsões de clínicos com as do modelo de IA para obter classificações mais precisas e confiáveis ​​do que os clínicos ou a IA conseguiriam sozinhos

Dra. Yuan Zhang, pesquisadora da Escola de Medicina da Universidade de Adelaide

Resultados

Com o conjunto de dados utilizado no estudo para validar a metodologia, o modelo HAICOMM proposto superou, por uma margem significativa, [a análise isolada] de um conjunto de médicos, de modelos de aprendizagem de rótulos ruidosos e de métodos de aprendizagem multiavaliadores.

A pesquisa descobriu que a classificação manual da obliteração da Bolsa de Douglas a partir de imagens de ressonância magnética tem uma taxa de incerteza consideravelmente alta, com precisão limitada à faixa de 61,4% a 71,9%.

Na sequência do estudo, a equipe de pesquisa também deve integrar ao algoritmo imagens de ultrassom transvaginal, além das imagens de ressonância magnética.

“Além disso, expandiremos o sistema para detectar uma gama mais ampla de sinais de endometriose, incluindo nódulos intestinais, endometriomas e endometriose do ligamento útero-sacro, além da obliteração da bolsa de Douglas”, destacou a Dra. Yuan Zhang.

“A próxima fase incluirá a avaliação do desempenho deste sistema aprimorado em diversos conjuntos de dados e a aplicação em ambientes clínicos para avaliar melhor sua utilidade prática e eficácia”, concluiu a pesquisadora da Universidade de Adelaide.

Em suas publicações, o Portal SciAdvances tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal SciAdvances tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.

Autores/Pesquisadores Citados

Dra. Yuan Zhang

Pesquisadora da Escola de Medicina da Universidade de Adelaide

Instituições Citadas

Publicação

Acesse o resumo do artigo científico (em inglês).

Acesse a revista científica Physics in Medicine and Biology (em inglês).

Mais Informações

Acesse a notícia original completa na página da Universidade de Adelaide (em inglês).

Comunique um Erro

Leia também:

Rolar para cima