image of face depicted on a tech background

Ver o invisível com a Inteligência Artificial

By Jeffrey R. Willis, Associate Medical Director at Genentech
Published 20 August 2019 (this article first appeared on gene.com)

Espera-se que a inteligência artificial tenha um impacto dramático na medicina, ao melhorar a nossa capacidade de diagnosticar doenças e selecionar os melhores tratamentos para cada doente individualmente.

Um estudo de prova de conceito publicado na revista March Investigative Ophthalmology & Visual Sciences, demonstra como esta tecnologia pode revolucionar a forma como os oftalmologistas diagnosticam o edema macular diabético - uma complicação da diabetes que causa um espessamento da retina que, se não for tratada, pode levar à perda irreversível da visão.

Tragicamente, muitas pessoas perdem a visão devido a edema macular diabético numa fase ainda relativamente jovem das suas vidas, dificultando a vida profissional e os cuidados pessoais. O aumento da prevalência da diabetes tem uma correlação direta com novos casos de edema macular diabético. Em 2045, o número de pessoas com diabetes deve chegar a 629 milhões em todo o mundo, e cerca de 10% delas terão patologias oculares que ameaçam a visão.

A melhor forma de prevenir o edema macular diabético é através de exames oftalmológicos regulares, mas cerca de 60% das pessoas com diabetes não os realizam. Os exames usam uma técnica que obtém uma imagem bidimensional da retina - a fotografia colorida de fundo de olho (CFP).

Photo of Jeffrey Willis
Jeffrey R. Willis, Associate Medical Director at Genentech

A nossa equipa decidiu explorar se poderíamos usar deep learning para ensinar os computadores a estimar a espessura macular a partir de imagens CFP, tornando o diagnóstico de edema macular diabético mais fácil para doentes e oftalmologistas. Atualmente, as imagens CFP são interpretadas por especialistas que desenvolvem ao longo dos anos a capacidade de medir a espessura da retina a partir das características que vêem na sua superfície, mas ainda precisam da OCT para confirmação e medição. A nossa equipa pretende gerar capacidade semelhante mas num sistema automatizado.

A nossa equipa decidiu explorar se poderíamos usar deep learning para ensinar os computadores a estimar a espessura macular a partir de imagens CFP, tornando o diagnóstico de edema macular diabético mais fácil para doentes e oftalmologistas. Atualmente, as imagens CFP são interpretadas por especialistas que desenvolvem ao longo dos anos a capacidade de medir a espessura da retina a partir das características que vêem na sua superfície, mas ainda precisam da OCT para confirmação e medição. A nossa equipa pretende gerar capacidade semelhante mas num sistema automatizado.

Colour fundus photograph
Para pessoas com edema macular diabético que apresentam exsudação de fluido na retina, uma medida indireta do espessamento macular são os pontos brilhantes nas fotografias coloridas do fundo, facilitando a visualização e diagnóstico.

No processo de deep learning, um computador treina-se para detetar padrões e relações num conjunto de dados de treino, usando centenas de camadas de análise com diferentes características relevantes numa imagem sem qualquer orientação externa. Depois, o sistema aplica este conhecimento a dados novos do mesmo tipo. Neste caso, fornecemos aos nossos computadores para treino um grande conjunto de dados CFP e OCT dos participantes de dois grandes ensaios clínicos de edema macular diabético.

O sistema de deep learning examinou um total de 17.997 imagens CFP de aproximadamente 700 doentes e comparou-as com as medições de espessura das OCT correspondentes. O modelo que desenvolvemos usando este conjunto de treino apresentou um impressionante nível de desempenho, tendo sido capaz de prever uma espessura macular superior ao limite de 250µ com uma precisão de 97%. Este sistema poderia eventualmente prever a medição real da espessura da mácula na OCT a partir de uma imagem CFP, se fosse de qualidade suficiente.

Colour fundus photograph
O espessamento macular associado ao edema macular diabético nem sempre tem estes pontos brilhantes e é difícil de notar ao olho humano quando se observam imagens CFP. E por isso se torna relevante o Deep Learning.

Esta descoberta inicial superou as nossas expectativas e quisemos perceber como aconteceu. Quando exploramos o processo, foi muito emocionante descobrir que o computador estava precisamente a focar nas mesmas partes das imagens que os especialistas seguem há anos, como os contornos e o calibre dos vasos sanguíneos.

Para confirmar esta descoberta, ainda será necessário validar o nosso sistema testando-o noutros conjuntos de dados. Mas assumindo que funcione bem, esta ferramenta pode ser de enorme valor para os oftalmologistas no tratamento de doentes com diabetes e edema macular diabético. Por exemplo, após iniciarem o tratamento, muitos doentes precisam de ser examinados a cada quatro semanas para realizar OCT e garantir que patologia não está a progredir. A inteligência artificial pode permitir que as pessoas usem uma câmara de telemovel para monitorizar a sua retina em tempo real, tornando muito mais fácil para os médicos acompanharem a necessidade e a resposta dos seus doentes ao tratamento. Poderíamos até imaginar uma aplicação móvel para avaliar se o tratamento está a funcionar. Tal inovação não só seria mais conveniente para os doentes, mas também os tornaria parte ativa dos seus próprios cuidados. Para os oftalmologistas, a capacidade de estimar a espessura macular com CFP tornaria mais fácil identificar os casos mais urgentes e tratá-los de forma rápida e adequada.

Uma lição importante desta etapa de experimantação foi o valor de ter um grande conjunto de dados de ensaios clínicos para treinar o nosso sistema. Machine learning, que inclui deep learning, bem como outras técnicas que os computadores usam para desenvolver bases de conhecimento para análise de dados, depende para o seu sucesso de dados de treino robustos, de alta qualidade e representativos. Esta é uma mais-valia que uma organização como a nossa possui em abundância, na forma de medições de laboratório, dados de ensaios clínicos e informações do mundo real.

Optical coherence tomography photograph
As imagens de tomografia de coerência óptica mostram claramente o espessamento macular no edema macular diabético, mas muitas vezes esta técnica não está disponível em programas de rastreio de telemedicina devido ao custo e às limitações técnicas.

E usar estes dados para apoiar o diagnóstico é apenas o início - pode haver pistas nas imagens CFP para ajudar a inteligência artificial a personalizar os cuidados no edema macular diabético, prevendo quais as pessoas que irão progredir mais rapidamente ou quem responderá bem ao tratamento. Também podem ser aproveitadas outras fontes de dados associadas aos ensaios, incluindo dados clínicos, genómica e outras informações. No futuro, esperamos que esta abordagem baseada em dados produza uma compreensão muito melhor do edema macular diabético, e que as melhorias de diagnóstico permitam identificar os tratamentos necessários mais rapidamente e, assim, preservar a visão das pessoas com diabetes.

Este é o primeiro artigo publicado como parte da iniciativa “Ophthalmology Personalized Healthcare” da Roche / Genentech, que visa combinar dados significativos em grande escala e tecnologia de inteligência artificial para prever e prevenir condições oculares e preservar a visão. O estudo adiciona valor à já existente e crescente literatura sobre o uso de inteligência artifical em oftalmologia. Também esclarece como a Roche / Genentech pode utilizar as suas vastas bases de dados de ensaios clínicos para desenvolver algoritmos de inteligência artifical para prever a presença de doenças, o risco de progressão da doença e a resposta ao tratamento; estes dados poderiam então ser fornecidos aos oftalmologistas permitindo cuidados de saúde personalizados de maior qualidade.