Leitura rápida

Novo modelo de inteligência artificial ultraleve possibilita diagnóstico de câncer em computador comum
30 de junho de 2025, 10:46

Fonte

Instituto de Ciência de Tóquio

Publicação Original

Instituto de Ciência de Tóquio

Áreas

Bioengenharia, Computação, Engenharia Biomédica, Física Médica, Imagens Médicas, Medicina, Modelagem Matemática, Oncologia, Pneumologia, Processamento de Imagens, Radiologia

Compartilhar

Resumo

Já é realidade o diagnóstico de câncer usando apenas um computador comum, graças a um modelo revolucionário de inteligência artificial (IA) desenvolvido pelo Dr. Kenji Suzuki e sua equipe de pesquisa do Instituto de Ciência de Tóquio (Science Tokyo), no Japão.

Revelado na Reunião Anual de 2024 da Sociedade Radiológica da América do Norte (RSNA), a equipe apresentou um modelo de aprendizado profundo ultraleve que auxilia no diagnóstico de câncer de pulmão sem depender de servidores caros ou conjuntos de dados massivos.

Desenvolvido usando uma abordagem exclusiva de aprendizado profundo baseada em redes neurais artificiais de treinamento massivo (MTANN), o modelo foi treinado e testado em nada mais do que um notebook padrão (MacBook Air com chip M1), alcançando o que antes exigia data centers inteiros.

A IA, treinada com modelos de aprendizado profundo, ganhou atenção significativa nos últimos anos, levando a inovações em diversos campos de pesquisa. Também foi relatado que, se um modelo de aprendizado profundo for treinado com uma grande quantidade de dados, como um milhão de imagens, ele pode adquirir um desempenho que pode superar o de tecnologias convencionais e até mesmo a análise de humanos.

Enquanto a maioria dos modelos depende de enormes quantidades de dados, o modelo de IA desenvolvido pela equipe do professor Suzuki é único:  ao contrário dos modelos convencionais de IA em larga escala, ele não requer conjuntos completos de imagens médicas. Em vez disso, ele aprende diretamente a partir de pixels individuais extraídos de imagens de tomografia computadorizada (TC). Essa estratégia reduziu significativamente o número de casos necessários, de milhares para apenas 68.

Apesar de ter sido treinado apenas com um pequeno conjunto de dados, o modelo superou sistemas de IA de larga escala de última geração, como o Vision Transformer e o 3D ResNet, atingindo um desempenho de discriminação correspondente a um valor de área sob a curva (AUC) de 0,92 (contra valores de AUC de 0,53 e 0,59 para os modelos tradicionais de última geração, respectivamente).

Uma vez treinado, com o processo completo levando apenas 8 minutos e 20 segundos em um notebook padrão, o modelo poderia gerar previsões diagnósticas a uma taxa sem precedentes de 47 milissegundos por caso.

“Esta tecnologia não visa apenas tornar a IA mais barata ou rápida. Trata-se de tornar ferramentas de diagnóstico poderosas acessíveis, especialmente para doenças raras, onde dados de treinamento são difíceis de obter. Além disso, reduzirá substancialmente a demanda de energia para o desenvolvimento e uso de IA em data centers e pode resolver o problema global de escassez de energia que podemos enfrentar devido ao rápido crescimento do uso de IA”, concluiu o professor Kenji Suzuki.

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

Dr. Kenji Suzuki

Professor e pesquisador em Inteligência Artificial aplicada a imagens médicas do Instituto de Ciência de Tóquio

Mais Informações

Acesse a notícia original completa na página do Instituto de Ciência de Tóquio (em inglês).

Comunique um Erro

Notícias relacionadas

E-books relacionados

Rolar para cima