As ressonâncias magnéticas cerebrais estão cheias de informações, mas muitas delas permanecem inutilizáveis hoje. A causa: dados difíceis de interpretar, incompletos ou muito complexos para as ferramentas atuais. Um estudo publicado em Neurociência da Natureza apresenta uma solução inesperada, que poderá redefinir o papel da IA na medicina.
Uma IA treinada, sem diagnóstico, capaz de compreender o cérebro
Ao contrário dos modelos clássicos, CérebroIAC não foi alimentado com milhares de ressonâncias magnéticas cuidadosamente rotuladas pelos médicos. Ele aprendeu sozinho, analisando grandes conjuntos de imagens cerebrais brutas, retiradas tanto de cérebros saudáveis quanto de cérebros saudáveis. patológico.
Esse tipo de aprendizado, denominado autossupervisionado, permite que a IA identifique regularidades por conta própria: formas, volumes, texturassimetrias ou anomalias sutis. Assim, constrói uma compreensão geral das variações normais e patológicas, antes de ser avaliado em diversas tarefas médicas distintas.
Os resultados são impressionantes. CérebroIAC sente-se tão confortável com missões simples, como reconhecer o tipo de ressonância magnética realizada, como com desafios muito mais complexos, nomeadamente a detecção de mutações genéticas em tumores cerebrais. Em vários casos, supera até modelos especializados de IA, embora treinados especificamente para uma única tarefa.
CérebroIAC apresenta desempenho notável, desde imagens até os complexos desafios da genética tumoral. © Tryfonov, Adobe Stock
Por que estes resultados podem mudar a prática médica
Um dos pontos mais marcantes do estudo diz respeito às situações em que os dados médicos são escassos, um problema comum na vida real. Algumas doenças são incomuns, algumas mutações tumorais são difíceis de documentar e nem todas as ressonâncias magnéticas têm anotações completas.
Contudo, é precisamente nestes contextos que CérebroIAC excelente. Quando os dados de treinamento são limitados ou a tarefa é muito complexa, o modelo mantém alto desempenho, onde outras abordagens falham.
Para os autores, é um sinal forte. “ a integração do BrainIAC em protocolosa imagem pode ajudar os médicos a personalizar e melhorar melhor o atendimento ao paciente “, sublinha Benjamin Kann, autor principal do estudo e membro do programa de pesquisainteligência artificial em medicina (AIM) Missa General Brigham.
No entanto, os investigadores permanecem cautelosos. A ferramenta precisará ser testada em outras técnicas de imagem e em conjuntos de dados ainda maiores antes de qualquer aplicativo clínico. Mas a ideia está lançada: uma IA geral, capaz de aprender a ler o cérebro por si só, poderia acelerar a descoberta de biomarcadores e melhorar a personalização dos cuidados.