Na Conferência Global de Economia Digital de 2024, os visitantes visitaram equipamentos médicos de IA usados para auxiliar médicos no diagnóstico por imagem. Chen Xiaogen
Uma única tomografia computadorizada pode ajudar os médicos a identificar uma variedade de cânceres, e a plataforma online pode completar a conexão de recursos médicos personalizados em segundos... Nos últimos anos, a tecnologia de inteligência artificial (IA) está revolucionando de forma abrangente todos os aspectos do diagnóstico e tratamento de tumores .
"A IA pode percorrer todo o processo de diagnóstico e tratamento de tumores." Li Zhicheng, diretor executivo do Centro de Pesquisa de Inteligência Artificial Médica do Instituto de Biomedicina e Engenharia de Saúde, Institutos de Tecnologia Avançada de Shenzhen, Academia Chinesa de Ciências, disse a um repórter. do Science and Technology Daily, "Desde o diagnóstico inicial por imagem, identificação de lesões, admissão do paciente, até diagnóstico patológico, visualização de planos cirúrgicos e até mesmo rastreamento de recuperação de alta, a intervenção da IA é visível e tangível para médicos e pacientes."
Ajudar no rastreio precoce de tumores
Xu Zhonghuang, diretor do Hospital de Câncer Airui EUA-China de Pequim, disse que muitos pacientes com câncer já estão no estágio médio a tardio quando são diagnosticados e perdem a melhor oportunidade de tratamento. O rastreio precoce pode ajudar os médicos a detectar condições na fase assintomática ou pré-cancerosa e reduzir eficazmente a morbilidade e a mortalidade através de uma intervenção precoce. A IA tem um grande potencial no domínio do rastreio precoce de tumores.
A triagem precoce de tumores geralmente depende de uma série de métodos de exame não invasivos ou minimamente invasivos, incluindo exames de imagem, detecção de marcadores sanguíneos e diagnóstico molecular. A este respeito, a intervenção da IA registou progressos revolucionários. Li Zhicheng acredita que, com o apoio da tecnologia de aprendizagem profunda baseada em imagens, o desempenho da IA em determinados exames de tumores pode até superar o de especialistas humanos.
Nos últimos dois anos, revistas internacionais como a Nature publicaram vários estudos sobre o rastreio de tumores assistido por IA. O modelo CHIEF desenvolvido pela equipe da Harvard Medical School pode não apenas diagnosticar 19 tipos de câncer, mas também localizar o microambiente tumoral, orientar estratégias de tratamento e prever taxas de sobrevivência. O modelo de detecção precoce do câncer de pâncreas PANDA desenvolvido pela Alibaba Damo Academy tem precisão de 92,9% na determinação da presença de lesões. Estes resultados mostram que a IA pode não só auxiliar no diagnóstico, mas também desempenhar um papel fundamental no tratamento preciso.
Práticas relacionadas mostraram o papel da IA na triagem de tumores. Em fevereiro deste ano, o "Projeto de Caridade de Triagem Precoce de Câncer Multi-câncer de IA Médica" do Alibaba foi implantado no Hospital Central de Lishui e em outras instituições em Zhejiang, aplicando a inovadora tecnologia de IA médica da Academia DAMO ao campo da saúde. "O projeto examinou mais de 50.000 pessoas em 4 meses. As doenças examinadas incluíram câncer de pâncreas, câncer de esôfago, câncer gástrico e câncer colorretal. 145 lesões de câncer encontradas entre elas foram clinicamente confirmadas. Equipe de IA Médica da Damo Academy O responsável." , Lu Le, explicou que, ao combinar uma grande quantidade de dados históricos e algoritmos complexos, a IA pode extrair informações sobre pequenas lesões que são difíceis de detectar a olho nu a partir de imagens. Em tarefas tediosas de análise de imagens, a IA também pode processar rapidamente grandes quantidades de dados, reduzindo a pressão sobre os médicos.
Xu Zhonghuang disse que o cancro deve contar com a colaboração multidisciplinar para formular planos de tratamento ideais, e a IA pode ajudar a resolver problemas como a escassez de profissionais e os elevados custos económicos neste processo.
Tomando o PANDA como exemplo, Lu Le disse que o modelo equivale a reunir a base de conhecimento de dezenas de médicos de diferentes profissões e consegue a fusão de dados entre departamentos através da integração de dados multimodais, como dados de imagem, informações genômicas, patologia dados, etc Com base nisso, o modelo pode extrair informações importantes sobre lesões e características patológicas potenciais e, em seguida, realizar análises abrangentes entre departamentos.
Melhorar a conscientização sobre o câncer
Promover a compreensão científica na área médica é uma dimensão superior para a IA auxiliar no diagnóstico e tratamento de tumores.
A equipe de Li Zhicheng está envolvida na pesquisa do glioma há décadas. Falando sobre o estado atual do diagnóstico e tratamento do glioma, Li Zhicheng disse: "Nossa compreensão científica desta doença ainda é limitada. Os médicos ainda não compreenderam totalmente o mecanismo de ocorrência, desenvolvimento e recorrência do glioma, e ainda não encontraram eficácia e tratamentos precisos."
Xu Zhonghuang sente o mesmo. “A falta de conhecimento sobre o câncer limita os métodos de diagnóstico e tratamento. Diante de doenças difíceis e complicadas, muitas vezes na prática clínica só conseguimos atravessar o rio apalpando as pedras”.
Os modelos existentes de diagnóstico e tratamento de IA também apresentam limitações. Li Zhicheng disse que muitos modelos são treinados por meio de conjuntos de dados de anotação em grande escala para encontrar correlações entre características de imagem e resultados clínicos. Embora este método tenha alcançado resultados notáveis em termos de precisão, esta operação de "caixa preta" carece de base explicativa, tornando difícil para os médicos confiarem plenamente nos resultados de diagnóstico da IA. Portanto, é particularmente importante regressar à fonte do conhecimento médico.
Nesse sentido, a IA tem muito espaço para jogar. "A IA pode integrar dados multimodais, como imagens, patologia, genes, etc., fornecer análises abrangentes em várias escalas e nos ajudar a construir um 'retrato' mais completo dos tumores. O tumor é um ecossistema composto por células cancerígenas complexas, e quanto mais detalhado for o seu retrato, mais ele poderá descobrir comportamentos tumorais e potenciais alvos de tratamento que foram ignorados no passado, fornecendo novas ideias para o tratamento inicial ", disse Li Zhicheng com o enriquecimento contínuo. de dados de nível molecular, como genomas e proteomas, espera-se que a IA ultrapasse os gargalos cognitivos existentes. Ajude a melhorar a compreensão científica dos cancros complexos.
Xu Zhonghuang acrescentou: “Diante de tumores desconhecidos, se a IA puder promover a compreensão humana sobre eles, mesmo que seja um pequeno passo, poderá fornecer fundamentalmente uma nova orientação metodológica para o diagnóstico e tratamento de tumores e realmente mudar a maneira como lidamos com o câncer”.
Desempenhe plenamente o papel dos dados como “nutritivos”
Para que a IA capacite ainda mais todo o processo de diagnóstico e tratamento de tumores, é crucial obter suporte de dados enorme, abrangente e de alta qualidade.
O treinamento de modelos de IA não depende apenas de anotações médicas, mas também requer dados completos do ciclo clínico. Lu Le deu um exemplo: “Durante o processo de treinamento do modelo PANDA, os médicos não só precisam fornecer dados multimodais, como imagens patológicas, relatórios patológicos e imagens de tomografia computadorizada, mas também precisam confirmar manualmente a localização da lesão e delinear com precisão na tomografia computadorizada aprimorada, o engenheiro passa a tecnologia de registro de imagem tridimensional mapeia o contorno tridimensional da lesão na imagem simples da tomografia computadorizada e, em última análise, permite que a IA aprenda a identificar a aparência de tumores pancreáticos iniciais. na imagem simples da TC.”
Nesse processo, apenas os médicos e a equipe de IA trabalham em conjunto para fornecer dados de treinamento de alta qualidade para o modelo. Lu Le explicou ainda que as equipes de algoritmos de IA médica de ponta geralmente contam com uma ampla gama de hospitais cooperativos para fornecer dados diversos, o que é crucial para melhorar a capacidade de generalização do modelo. Os dados de diferentes hospitais fornecem ao modelo de IA um rico histórico patológico, ajudando-o a responder a vários cenários clínicos com mais precisão.
No entanto, devido a problemas como grandes quantidades de dados necessários, muitos departamentos envolvidos e dados dispersos, a aquisição de dados tornou-se o principal gargalo na atual pesquisa de IA do câncer. "Não é difícil obter uma única imagem ou dados patológicos, mas é muito difícil obter dados de todas as modalidades, como imagens, patologia e genes para o mesmo paciente ao mesmo tempo." requer uma cooperação estreita entre vários departamentos, mas também leva muito tempo. A pesquisa atual sobre o câncer está frequentemente dispersa entre diferentes disciplinas, com a análise de imagens sendo realizada por técnicos de imagem e engenharia, enquanto os dados genéticos são processados por pessoal de patologia molecular ou bioinformática. Quebrar barreiras entre disciplinas e integrar dados continua a ser um enorme desafio.
"Os dados são o 'nutriente' básico para que a IA possa desempenhar plenamente o seu papel nos cuidados médicos." Na opinião de Xu Zhonghuang, a escalabilidade, a padronização e a segurança dos dados são considerações fundamentais para os hospitais ao implantarem a IA médica. Os hospitais devem começar a partir do presente ao planear o seu layout de IA, garantir a padronização da entrada, arquivamento e gestão de dados, conceber antecipadamente uma estrutura de gestão de dados razoável e reservar interfaces para processamento de dados futuro. A vantagem da IA é que ela pode absorver continuamente novos dados e otimizar-se. Isto exige que o sistema de armazenamento de dados do hospital seja escalável para lidar com a crescente demanda por dados multimodais.
Em termos de segurança de dados, Xu Zhonghuang acredita que os hospitais precisam estabelecer mecanismos rígidos de criptografia de dados e proteção de privacidade para garantir que as aplicações tecnológicas possam fornecer suporte confiável para diagnóstico clínico e tratamento sob a premissa do cumprimento das leis, regulamentos e ética social.