Minhas Compras
Você adicionou a sua lista de compras. O que deseja fazer agora?
Continuar Comprando! Fechar Compra!
X

Envie sua mensagem

Aguarde, enviando contato!
Categoria: Blog Publicado em: 01/05/2020 comentários

Três razões pelas quais a inteligência artificial pode ser a melhor amiga do radiologista!

Três razões pelas quais a inteligência artificial pode ser a melhor amiga do radiologista!
  • Compartilhe Post
  • Compartilhar no Facebook
  • Compartilhar no Twitter
  • Compartilhar no WhatsApp

 

Vemos cada vez mais publicações na literatura com aplicações de deep learning nos mais diversos campos da Medicina e, sobretudo, da Radiologia. Muitas vezes, nos deparamos com sentimentos e opiniões divididas sobre a aplicação de métodos de inteligência artificial (IA) na Radiologia, pairando no ar um sentimento de insegurança sobre o futuro profissional.

Mas será mesmo a IA uma adversária da nossa prática diária como radiologistas?

Este editorial fresquinho da Radiology aponta três razões pelas quais a IA pode ser, na verdade, a melhor amiga do radiologista! Vamos conferir?

1. Reduzir trabalho manual e repetitivo, aliviando a carga de trabalho do radiologista, que pode dedicar tempo a assuntos mais complexos.

Um exemplo legal é o trabalho feito por Zheng et al (https://doi.org/10.1148/radiol.2020192003) usando algoritmos de deep learning para mensuração da diferença entre os membros inferiores de crianças em exames de escanometria. Apesar de ser um cálculo matemático extremamente simples de subtração, é uma tarefa repetitiva que demanda tempo e pouca especialização. Como resultado deste trabalho, o radiologista levou cerca de 4,8 horas para calcular a diferença entre os membros de 179 pacientes, enquanto que o algoritmo calculou em apenas 3 minutos!

2. Reduzir variabilidade intraobservador e interobservador.

Como humanos, nós radiologistas estamos suscetíveis a erros e variações de resultado em distintas observações. Se formos realizar trabalhos de segmentação da mesma condição por mais de uma vez, provavelmente não repetiremos os mesmos resultados (variabilidade intraobservador) e, provavelmente, o nosso colega radiologista também não fará uma segmentação igual àquela feita por você (variabilidade interobservador). No entanto, quando há a possibilidade de entrarmos em consenso com colegas, nossa taxa de replicabilidade e acerto aumenta muito! O grande problema é que desempenhar tarefas em consenso é inviável, visto que demanda muito tempo. Desta maneira, algoritmos de deep learning podem "aprender" a partir de segmentações em consenso e replicar este processo elaborado em múltiplas ocasiões, poupando (e muito) nosso tempo.


3. Democratização do conhecimento e do acesso à cuidados de saúde.

Uma vez treinado e validado com base em conhecimento de especialistas, algoritmos de deep learning podem ser facilmente transferido a regiões onde conhecimento especializado é limitado. Assim, a sociedade radiológica pode tornar realidade a ideia de um sistema de saúde universal.

 

Claro que nem tudo são flores, e há limitações relacionadas ao uso de algoritmos de deep learning e precisamos ter cautela antes de usá-los indiscriminadamente em larga escala. Não devemos tratá-los como a solução a todos os problemas da saúde (e da Radiologia), tendo em vista sua capacidade ruim de extrapolação, ou seja, são ótimos para replicar aquilo que "aprenderam", mas, quando diante de condições não vistas previamente, apresentam altas taxas de erro.

Fonte: Rick R. van Rijn, MD, PhD, Alberto De Luca, PhD
Radiology 2020; 00:1–2 (https://doi.org/10.1148/radiol.2020200855)

 

E aí, o que você acha sobre este assunto? Deixe aqui sua visão!

 

 

Olá, deixe seu comentário para Três razões pelas quais a inteligência artificial pode ser a melhor amiga do radiologista!

Já temos 1 comentário(s). DEIXE O SEU :)
Danielle Matias Matuda

Danielle Matias Matuda

Excelente, Neurorradio! Sem dúvidas a inteligência artificial tem muito potencial em somar à radiologia.
★★★★★DIA 01.05.20 12h28RESPONDER
Bárbara Trapp
Enviando Comentário Fechar!
Enviando Comentário Fechar!

CONHEÇA NOSSA EQUIPE

Ana Fonseca

Ana Fonseca

Neurorradiologista

Radiologista com atuação em Neurorradiologia e Cabeça e Pescoço. Fellowship na Santa Casa de São Paulo e grupo DASA.

Bárbara Trapp

Bárbara Trapp

Neurorradiologista

Radiologista com atuação em Neurorradiologia. Fellowship em Neuroimagem pela Unifesp e Universidade de Viena.

Igor Padilha

Igor Padilha

Neurorradiologista

Radiologista com atuação em Neurorradiologia e Cabeça e Pescoço. Fellowship na Santa Casa de São Paulo e grupo DASA.

Camila Amâncio

Camila Amâncio

Neurorradiologista

Radiologista com atuação em Neurorradiologia no Hospital Sírio-Libanês e grupo DASA. Fellowship no Hospital Sírio-libanês.

 

Cadastre-se em nossa Lista VIP