Nova ferramenta de IA supera os métodos anteriores em análise de tecido do câncer colorretal

Pesquisadores da Universidade de Jyväskylä, em colaboração com o Instituto de Biomedicina da Universidade de Turku, Universidade de Helsinque e Hospital Nova da Finlândia, desenvolveram uma ferramenta avançada de inteligência artificial para análise automática de lâminas de tecido de câncer colorretal.

O modelo de rede neural desenvolvido no estudo superou todos os modelos anteriores na classificação de amostras de microscopia de tecido. A pesquisa é publicada na revista Heliyon.

“Com base em nosso estudo, o modelo desenvolvido é capaz de identificar todas as categorias de tecido relevantes para a identificação do câncer, com uma precisão de 96,74%”, diz Fabi Prezja, pesquisador responsável pelo design do método.

Na prática, a análise de tecidos envolve um patologista olhando as lâminas de microscopia digital digitalizada, preparadas a partir da amostra intestinal do paciente e marcas, ponto a ponto, por exemplo, onde os tecidos cancerosos e relacionados são visíveis.

A ferramenta desenvolvida neste estudo pode economizar o tempo dos médicos automatizando esse processo. A ferramenta analisa uma amostra e destaca áreas que contêm diferentes categorias de tecidos. A precisão da ferramenta tem o potencial de aliviar significativamente a carga de trabalho de histopatologistas, potencialmente resultando em diagnósticos, prognósticos e insights clínicos mais rápidos.

A equipe de pesquisa disponibilizou sua ferramenta de IA livremente para incentivar a colaboração de pesquisa.

“A disponibilidade gratuita visa acelerar futuros avanços, incentivando cientistas, desenvolvedores e pesquisadores em todo o mundo a continuar desenvolvendo a ferramenta e encontrando novos aplicativos para ela”, explica Prezja.

A equipe de pesquisa ressalta que, apesar dos resultados promissores, a introdução de ferramentas de IA no cenário clínico deve ser feita gradualmente com cautela. Antes que as soluções de IA possam se tornar práticas clínicas de rotina, é essencial que elas sofram um rigoroso processo de validação para garantir que os resultados que produzem sejam consistentes com os padrões clínicos e regulatórios.