James East passa os seus dias examinando com habilidade o cólon das pessoas, procurando e extraindo pólipos suspeitos que um dia poderiam se transformar em câncer. Gastroenterologista da Mayo Clinic Healthcare em Londres, ele diz que a capacidade de identificar os riscos do câncer e eliminá-los diretamente no local durante a colonoscopia é uma das partes mais satisfatórias da profissão que ele escolheu.

A colonoscopia continua sendo o padrão-ouro para detectar e prevenir o câncer colorretal. Mas o procedimento tem limitações. Alguns estudos sugerem que mais da metade dos casos de câncer de cólon pós-colonoscopia surgem de lesões que não foram detectadas nas colonoscopias anteriores dos pacientes.

Atualmente, os pesquisadores da Mayo Clinic estão investigando como a inteligência artificial pode ser utilizada para aumentar a detecção de pólipos. Na verdade, os gastroenterologistas estão usando a IA como uma ferramenta para melhorar o tratamento de uma ampla variedade de doenças, com o objetivo de encontrar mais cedo os sinais difíceis de detectar, quando as doenças têm mais chances de serem tratadas.

 

No caso do câncer de cólon, o sistema de IA trabalha junto com o médico em tempo real, verificando o vídeo da colonoscopia e desenhando pequenas caixas vermelhas ao redor dos pólipos que poderiam passar despercebidos. “Todos nós conhecemos o software de reconhecimento facial”, diz  East. “Em vez de treinar a IA para reconhecer rostos, nós a treinamos para reconhecer pólipos.”

A inteligência artificial pode ser adicionada à colonoscopia tradicional para identificar pólipos que poderiam passar despercebidos.

O câncer de cólon é o segundo câncer mais letal em todo o mundo. As taxas de câncer colorretal em jovens apresentaram um aumento constante nas últimas décadas. Embora a colonoscopia possa ser uma ferramenta de triagem eficaz, East diz que há variabilidade em quão bem os endoscopistas encontram os pólipos pré-cancerosos.

Ironicamente, os pólipos são mais difíceis de detectar nos pacientes que mais precisam dessa triagem. Pacientes com doenças intestinais inflamatórias (DII), como doença de Crohn ou colite ulcerativa, têm maior risco de ter câncer colorretal. Mas as lesões pré-cancerosas que eles desenvolvem tendem a ser planas ou apenas levemente elevadas, ao contrário dos pólipos bulbosos em forma de cogumelo vistos em pessoas que não têm DII.

“A maioria das pessoas que desenvolvem esses tipos de câncer passam por colonoscopias regulares, e as lesões continuam não sendo detectadas porque os tumores são muito sutis”, diz Nayantara Coelho-Prabhu, bacharel em medicina e cirurgia e gastroenterologista na Mayo Clinic em Rochester, Minnesota.

Coelho-Prabhu acredita que a IA pode ser treinada para procurar pólipos que aparentemente são inofensivos.

“A Mayo Clinic está em uma posição única para desenvolver esse tipo de pesquisa”, acrescenta ela. “Realizamos colonoscopias de vigilância em 800 a 900 pacientes com DII por ano. Como resultado, acumulamos um enorme banco de dados que podemos usar para desenvolver os sistemas de IA necessários para melhorar a forma como realizamos as colonoscopias desses pacientes.”

Esse banco de dados fornece o que a médica Coelho-Prabhu e outros especialistas chamam de “verdade fundamental”, que são as observações e medições do mundo real usadas para treinar e testar algoritmos de IA. Atualmente, a equipe da Coelho-Prabhu está anotando dados de um subconjunto de 1000 pacientes, assistindo a cada um dos vídeos das colonoscopias e marcando as lesões em cada quadro e de todos os ângulos. Depois que as imagens forem anotadas, os pesquisadores as alimentarão em um computador para gerar o tipo dos algoritmos de “aprendizado de máquina” de IA que permitem que o computador aprenda a reconhecer sozinho os pólipos específicos de DII.

Coelho-Prabhu, o gastroenterologista Cadman Leggett e seus colegas são precursores em uma nova plataforma de endoscopia digital que filmará todos os procedimentos internos, fará a correlação deles com os registros médicos e, em seguida, integrará a IA aos procedimentos, conforme aplicável.

“Depois de desenvolver os algoritmos, poderemos executá-los em nossos vídeos de procedimentos para testar seu desempenho”, diz ela.

Para mais informações, acesse aqui.