Inteligência Artificial
Análise algorítmica de tecidos (NYU School of Medicine)

O uso de inteligência artificial no âmbito da imagiologia é um campo de investigação muito ativo. A capacidade de comparação rápida de milhões de elementos permite-lhes ser uma ferramenta útil na análise de imagens médicas. Combinam técnicas de processamento dos algoritmos de machine learning com grandes quantidades de imagens das bases de dados médicas. A promessa destas tecnologias não é a de substituir médicos e analistas. A rapidez de análise facilita o trabalho de diagnóstico, permitindo uma maior eficácia nas decisões médicas.

Detetar Mutações em Tumores Com DeepLearning

Inteligência Artificial
Análise algorítmica de tecidos (NYU School of Medicine)

Uma equipa de investigadores da New York Universtiy School of Medicine trabalhou com o algoritmo de fonte aberta Inception v3. Desenvolvido pela Google, tem a capacidade de identificar mil classes diferentes de objetos. Para o treinar no contexto específico do diagnóstico de tumores potencialmente cancerígenos, os cientistas utilizaram milhares de imagens da Cancer Genome Atlas, uma base de dados pública de amostras de tecido de pacientes. O algoritmo atingiu uma fiabilidade de 99% na identificação de tumores.

No entanto, esta ferramenta mostrou-se capaz de ir mais longe. Numa fase seguinte, o algoritmo foi treinado para distinguir dois tipos de cancro, entre adenocarcinomas e carcinomas espinocelulares. De acordo com os investigadores, são duas patologias que nas análises têm aspetos muito similares, mas requerem protocolos de tratamento muito diferentes. Uma correta identificação pelos meios de diagnóstico é vital.

Nesta fase, os resultados do algoritmo ficaram entre os 83 e os 97% de fiabilidade. De acordo com os investigadores, esta variação deveu-se ao ruído presente nas imagens de treino, com inflamações e tecido morto. Com uma identificação mais rigorosa das imagens que analisa, esperam melhorar a taxa de sucesso. O desafio que os investigadores agora enfrentam é o de reforçar a fiabilidade do algoritmo. Estes também notaram um resultado inesperado: o algoritmo mostrou-se capaz de detetar mutações genéticas entre tipos de cancro.

É habitual que algoritmos de machine learning baseados em redes neurais conseguem resultados surpreendentes, sem que seja aparente a forma como lá chegaram. Os investigadores chamam a este fator o efeito black box, quando o software de machine learning funciona de formas inesperadas.

O trabalho destes investigadores, Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning, foi publicado recentemente na revista científica Nature.

Facebook e Ressonâncias Magnéticas

Projeto FastMRI (Facebook/Larry Zitnick)

Não são só as ferramentas de Inteligência Artificial desenvolvidas pela Google a ser utilizadas na automação do diagnóstico recorrendo a imagiologia médica. Especialistas que trabalham para o Facebook colaboram em projetos similares.

Numa iniciativa desenvolvida com a universidade de Nova Iorque, especialistas em Inteligência Artificial da rede social estão a desenvolver metodologias para acelerar o tempo necessário para obter uma ressonância magnética, Esta técnica de diagnóstico pode demorar mais de uma hora, com o paciente  imóvel. Os investigadores pretendem melhorar a rapidez e qualidade das imagens de ressonância magnética utilizando redes neurais. Estas são treinadas com bancos de imagens. O objetivo é complementar dados em falta em scans, garantindo que nada de vital escapa.

O Facebook é famoso pelas formas que utiliza para nos levar a partilhar grandes quantidade de informação pessoal. Este projeto não aponta para um futuro em que a rede social nos encorajará a partilhar as nossas imagens médicas. De acordo com os responsáveis da rede social, procuram aprofundar técnicas de machine learning e motivar os seus investigadores numa iniciativa com impacto social direto. As técnicas desenvolvidas terão certamente aplicação noutras áreas que trazem lucro às redes sociais, como reconhecimento facial ou identificação rigorosa do conteúdo de imagens. Uma tecnologia que permita identificar rapidamente dados visual de ressonâncias magnéticas pode ser retreinada para, por exemplo, deteção com maior rigor de conteúdo ofensivo e violento em sistemas de moderação automatizados.

Um Algoritmo que Cria Tumores para Combater o Cancro

Num desenvolvimento surpreendente, foi criado um algoritmo que aprende a distinguir tipos de cancros inventando imagens de tumores. Este estudo, que combina recursos da Nvidia, Mayo Clinic, e o MGH & BWH Center, recorreu a uma GAN para gerar imagens sintéticas de tumores cerebrais, treinada com bancos de imagens de reais.

As GAN, Generative Adverserial Networks, colocam duas redes neurais em confronto, criando e melhorando conteúdo em processos de aprendizagem reforçada recursiva. São muito utilizadas no processamento e criação automatizada de imagens. Especialmente por investigadores que experimentam com a criação artística utilizando Inteligência Artificial.

O objetivo desta investigação é desenvolver técnicas que evitem o enviesamento de resultados. O treino de algoritmos de Inteligência Artificial é feito com bancos de dados. Estes podem não ser representativos da variabilidade presente na generalidade das populações.

Os investigadores referem ainda que os casos anormais são os mais representativos nestas bases de dados. Um fator que enviesa resultados de potenciais aplicações de IA no diagnóstico médico. Com esta técnica, onde as redes neurais são treinadas num misto de imagens reais e sintéticas geradas por GANs, os investigadores esperam dotar os algoritmos de maior diversidade na capacidade de análise de imagiologia.

O diagnóstico de imagens médicas é um trabalho meticuloso, levado a cabo por técnicos especializados. Os projetos de utilização de IA não os eliminam, complementam-os. Permitem análises mais rápidas, com impacto na rapidez do diagnóstico médico. Este tipo de desenvolvimentos aponta para a capacidade de com uma simples foto, se conseguir obter com rapidez um diagnóstico e opções de tratamento. Usar estes algoritmos acelera o processo, mas não o automatiza por completo. A validação é sempre feita por um médico ou imagiologista treinado.

Quer saber mais sobre a forma como a Inteligência Artificial está a ser usada na medicina? Aceite a nossa sugestão e leia o artigo Salvar Vidas na Medicina usando Inteligência Artificial. E num futuro próximo.

Importante:

**O Bit2Geek convidou alguns cientistas (portugueses e estrangeiros), que têm sido anunciados nos artigos anteriores, para começarem a assinar textos de divulgação, que possam esclarecer os leitores sobre a revolução espacial que estamos a viver… Estamos no início da conquista do Espaço, e isso não pode passar despercebido… O Bit2Geek anuncia hoje um novo reforço “além mar”, que muito nos honra, para nos ajudar a perceber algumas questões que envolvem a Odisseia Espacial!

Welcome, Cecilia W.S Leung Lo!

A Cecilia Leung Lo é norte-americana e especialista em ciências planetárias, com especial enfoque na distribuição do vapor de água em Marte. Estuda também  estruturas atmosféricas de planetas tanto no nosso sistema solar, como em sistemas exoplanetários. Em particular, conjuga observações de sondas espaciais com modelos numéricos, para entender o transporte de água entre reservatórios de superfície e atmosféricos, bem como investigar as condições que levam à formação de neblinas de água gelada, nuvens e tempestades de poeira em Marte. 

A Cecilia é uma apaixonada pela exploração interplanetária e pelo desenho de missões espaciais.
Atualmente, está a trabalhar com a equipa, da sonda da NASA – InSight Mars Lander, com o objectivo de caracterizar os ventos e as condições ambientais previstos durante o processo de “Entrada, Descida e Aterragem”, garantindo o sucesso durante uma das etapas mais importantes da missão.
A Cecilia é licenciada em Física e Astronomia pela Universidade de York, tirou o Mestrado em Ciências Planetárias pela Universidade do Arizona, e atualmente está a terminar o Doutoramento. 
A Cecilia tem estado muito envolvida com a International Space University, a promover  abordagens interdisciplinares para exploração espacial, e ativamente envolvida em divulgação científica (outreach) e comunicação.
Artigo anteriorA iSpace vai lançar missões à Lua, em foguetões da SpaceX
Próximo artigoMissão Hayabusa 2 – Os robots exploradores de Asteróides
Professor de TIC e coordenador PTE no AEVP onde dinamiza os projetos As TIC em 3D, LCD - Clube de Robótica; Fab@rts: o 3D nas Mãos da Educação, distinguido com prémio de mérito da Rede de Bibliotecas Escolares. Distinguido com o prémio Inclusão e Literacia Digital em 2016 (FCT/Rede TIC e Sociedade). Licenciado em ensino de Educação Visual e Tecnológica, Mestre em Informática Educacional pela Universidade Católica Portuguesa. Correntemente, frequenta pós-graduação em Programação e Robótica na Educação pelo Instituto de Educação da Universidade de Lisboa. Tutor online na Universidade Aberta. Formador especializado em introdução à modelação e impressão 3D em contextos educacionais na ANPRI (Associação Nacional de Professores de Informática) e CFAERC. Co-criador do projeto de robótica educativa open source de baixo custo Robot Anprino. Colaborador do fablab Lab Aberto, em Torres Vedras. O seu mais recente projeto é ser um dos coordenadores do concurso 3Digital, que estimula a utilização de tecnologias 3D com alunos do ensino básico e secundário.