Hospital MD Anderson utiliza IA para transformar o tratamento do câncer

Para desbloquear percepções reais de dados, a Inteligência Artificial (IA) e a pesquisa de ciência de dados não podem ser deixadas de lado em uma instituição – devem se tornar parte da estratégia central de uma organização. O MD Anderson Cancer Center, da Universidade do Texas, está fazendo exatamente isso, com um novo foco na governança de dados e dezenas de pesquisadores em busca de projetos de oncologia acelerada por IA para melhorar o atendimento ao paciente.

“Estamos nos concentrando nos dados em contexto, garantindo que tenhamos uma cadeia de fornecimento de metadados coordenada para enfrentar os desafios atuais de fazer os modelos de IA se traduzirem em impacto na clínica”, explica Caroline Chung, que foi recentemente nomeada a primeira chefe de dados do MD Anderson Policial. “Para construir modelos preditivos melhores e mais robustos, precisamos de uma estratégia coordenada que cubra todas as etapas, desde a geração de dados até o uso clínico de insights de machine learning.”

Essa estratégia de governança de dados influenciará a maneira como os dados do hospital são coletados e usados para geração de insights e permitirá a localização, acessibilidade, interoperabilidade e reutilização dos dados.

“É uma grande mudança de cultura”, diz Chung. “Quanto mais dados podemos capturar com informações contextuais, mais perguntas complexas podemos fazer e maior potencial temos para usar insights de aprendizado de máquina para ajudar nossos médicos a melhorar suas interações com os pacientes”.

Ao construir um pipeline que coleta os dados de alta qualidade de que os pesquisadores precisam, os armazena com segurança e rastreia como estão sendo usados, o MD Anderson visa apoiar de uma melhor maneira os projetos para ajudar os médicos a analisarem dados de radiologia, fornecerem tratamento de câncer e preverem complicações como sepse.

Muitos desses projetos já estão em andamento, acelerados pela velocidade de novas tecnologias movidas a GPU, como os sistemas NVIDIA DGX. Novos investimentos online no MD Anderson darão aos pesquisadores acesso a milhares de núcleos GPU adicionais para apoiar projetos de IA em toda a instituição.

“A tecnologia aliada a saúde pode salvar vidas. Há cada vez mais pesquisas que demonstram essa contribuição e é muito importante para a NVIDIA fazer parte de um diagnóstico cada vez mais precoce e contribuir para a saúde das pessoas e também para o trabalho dos médicos, afirma Marcio Aguiar, diretor da divisão Enterprise da NVIDIA para América Latina.

Aplicação de IA no diagnóstico por imagem

O primeiro passo na oncologia é detectar tumores – quanto mais cedo melhor. O MD Anderson está desenvolvendo aplicativos de detecção precoce de IA para ajudar a diagnosticar pacientes com câncer de pâncreas, que tem uma taxa de sobrevivência de cinco anos de apenas 10%.

“O câncer de pâncreas é frequentemente diagnosticado depois de já ter metastizado, o que significa que se espalhou para outros órgãos”, explica Eugene Koay, codiretor de Oncologia de Radiação Gastrointestinal do MD Anderson. “Estamos trabalhando em modelos de IA para analisar o pâncreas sempre que o vemos em uma tomografia computadorizada, estudo de ressonância magnética ou ultrassom endoscópico, independentemente de a consulta do paciente estar ou não relacionada ao pâncreas.”

Nem todos os tumores pancreáticos são iguais. Alguns são lentos, outros são agressivos. Alguns se originam de cistos no pâncreas, outros não.

Em colaboração com a Early Detection Research Network, Koay e sua equipe estão trabalhando em redes neurais convulsionais que identificam quais casos têm maior probabilidade de se transformar em câncer maligno, para que os médicos possam apoiar melhor os pacientes em risco.

Insights de imagem informam o planejamento do tratamento

Ao se preparar para a radioterapia para tratar células cancerosas, os oncologistas contam com um processo conhecido como contorno para rastrear os tumores que serão alvo do tratamento com radiação.

É um processo demorado, e os oncologistas costumam ter um acúmulo de planos de tratamento de radioterapia para criar para os pacientes. Laurence Court, professor associado de Física da Radiação no MD Anderson, espera reduzir a carga do contorno manual com ferramentas de IA permitindo que os hospitais tratem milhares de pacientes com câncer a cada ano.

Ele está especialmente interessado no impacto que essas ferramentas clínicas de IA podem ter em ambientes com poucos recursos, onde a falta de radiologistas e oncologistas torna mais difícil o acesso a tratamentos de radioterapia que salvam vidas.

O contorno também é usado para planejar a radiocirurgia assistida por ressonância magnética, uma forma avançada de braquiterapia na qual uma dose de radiação é aplicada ao tecido canceroso por meio de sementes implantadas. O oncologista de radiação do MD Anderson, Steven Frank, usa essa terapia para tratar o câncer de próstata.

O contorno preciso da próstata e dos órgãos adjacentes na ressonância magnética garante que as sementes radioativas sejam distribuídas nas áreas certas para tratar o câncer sem prejudicar os tecidos vizinhos.

Ao adotar um modelo de IA que usa avanços em tecnologias de GPU, os oncologistas do MD Anderson melhoraram a qualidade dos contornos para o planejamento do tratamento com braquiterapia e avaliação da qualidade do tratamento, diz o Jeremiah Sanders, um colega de física de imagens médicas do MD Anderson que está desenvolvendo IA translacional no Frank’s laboratório.

Sanders e Frank também estão trabalhando em um modelo para uso após um procedimento de braquiterapia – um aplicativo de IA que analisa estudos de ressonância magnética da próstata para determinar a qualidade do fornecimento de radiação. As percepções desse modelo podem ajudar os médicos a determinar se o tratamento adicional é necessário e como gerenciar os pacientes após seus tratamentos.

Mantendo uma IA vigilante na precisão do modelo

Para que um modelo de IA seja bem-sucedido em um ambiente clínico, os pesquisadores médicos precisam detectar os casos em que a rede neural se esforça e treiná-la novamente para melhorar o desempenho do aplicativo.

Kristy Brock, professora de Física de Imagens e Física da Radiação no MD Anderson, está trabalhando em um projeto de detecção de anomalias para determinar os casos em que um modelo de IA que contorna os tumores do fígado a partir de tomografias computadorizadas falhas – como imagens incomuns em que um paciente tem um stent no fígado ou fluido ao redor do órgão.

Ao identificar essas falhas raras, os pesquisadores podem apresentar exemplos de treinamento adicionais que são semelhantes aos casos em que a rede neural tropeçou anteriormente. Este método de treinamento contínuo reforça seletivamente os dados de treinamento para melhorar o desempenho do modelo com mais eficiência.

“Não queremos continuar coletando dados iguais aos de nossos primeiros 150 exames”, ressalta Brock. “Queremos identificar casos que irão aumentar a variabilidade de nosso conjunto de dados de amostra, o que por sua vez aumenta a precisão e generalização do modelo.”