Todos os anos, 10 milhões de pessoas adoecem pela tuberculose (TB), segundo a Organização Mundial da Saúde (OMS). Apesar de ser uma doença evitável e curável, 1,5 milhão de pessoas morrem de tuberculose a cada ano - tornando-se a principal causa de morte por infecção no mundo. A tuberculose é a principal causa de morte de pessoas com HIV e também um dos principais contribuintes para a resistência antimicrobiana.
A maioria das pessoas que adoecem pela TB vivem em países de baixa e média renda, mas a TB está presente em todo o mundo. Estima-se que cerca de um quarto da população mundial esteja infectada pela bactéria da tuberculose, mas penas 5-15% dessas pessoas ficarão doentes com tuberculose ativa. O restante tem infecção tuberculosa, mas não está doente e não pode transmitir a doença. Tanto a infecção quanto a doença tuberculosa são curáveis com antibióticos. Foi pensando neste problema de saúde global que a Google está desenvolvendo uma pesquisa que visa facilitar o rastreio dessa doença utilizando a inteligência artificial (IA).
Diagnosticar a tuberculose precocemente é difícil porque seus sintomas podem imitar os de doenças respiratórias comuns e ela possui um quadro longo e arrastado.
Por que investir no Rastreamento dessa doença?
O rastreamento com boa relação custo-benefício, especificamente através de radiografias de tórax, foi identificado como uma forma de melhorar o processo de rastreamento. No entanto, os especialistas nem sempre estão disponíveis para interpretar os resultados dos exames de imagem. É por isso que a OMS recomendou recentemente o uso de detecção auxiliada por computador (DAC) para rastreamento e triagem.
Para ajudar a detectar a doença precocemente e trabalhar para eventualmente erradicá-la, os pesquisadores do Google desenvolveram uma ferramenta baseada em IA para identificar precocemente os pacientes com potencial TB pulmonar e encaminhá-los para testes diagnósticos.
Um sistema de aprendizado profundo para detectar tuberculose pulmonar ativa
Em um estudo recente, os pesquisadores da Google descreveram que um certo sistema de deep learning pode ser usado para identificar com precisão os pacientes com probabilidade de ter TB ativa com base em sua radiografia de tórax. A utilização precoce dessa ferramenta de triagem com base em IA pode economizar até 80% do custo do diagnóstico para cada caso de TB positivo detectado.
A ferramenta baseada em IA foi capaz de detectar com precisão os casos de TB pulmonar ativa com taxas de detecção de falso-negativo e falso-positivo que foram semelhantes a 14 radiologistas. Essa precisão foi mantida mesmo ao examinar pacientes que eram HIV-positivos, uma população que apresenta maior risco de desenvolver TB e difícil rastreamento porque suas radiografias de tórax podem ser diferentes dos casos típicos de TB.
Para garantir que o modelo funcionasse para pacientes de uma ampla variedade de raças e etnias, foram utilizados dados de nove países para treinar o modelo.
Aplicando essas descobertas no mundo real
O sistema AI produz um número entre 0 e 1 que indica o risco de TB. Para que o sistema seja útil em um ambiente real, é necessário haver um acordo sobre qual nível de risco indica que os pacientes devem ser recomendados para testes adicionais. Calibrar esse limite pode ser demorado e caro porque os administradores só podem chegar a esse número depois de executar o sistema em centenas de pacientes, testar esses pacientes e analisar os resultados.
Com base no desempenho desse modelo, nossa pesquisa sugere que qualquer estabelecimento de saúde pode começar a partir desse limite padrão e ter certeza de que o modelo terá um desempenho semelhante ao dos radiologistas, facilitando a implantação dessa tecnologia. A partir daí, as clínicas podem ajustar o limite com base nas necessidades e recursos locais. Por exemplo, regiões com menos recursos podem usar um ponto de corte mais alto para reduzir o número de exames de acompanhamento necessários.
O caminho para erradicar a tuberculose
A “Estratégia para Erradicar a TB” da OMS descreve os esforços globais em curso para reduzir drasticamente a incidência da tuberculose na próxima década. Como a tuberculose pode permanecer disseminada nas comunidades, mesmo que um número relativamente baixo de pessoas a tenha em um determinado momento, mais testes e exames aplicados de maneira precoce são essenciais para reduzir sua prevalência.
Quer escrever?
Publique seu artigo na Academia Médica e faça parte de uma comunidade crescente de mais de 215 mil médicos, acadêmicos, pesquisadores e profissionais da saúde. Clique no botão "NOVO POST" no alto da página!
Referências
- “Tackling Tuberculosis Screening with AI”. Google, 18 de maio de 2021, https://blog.google/technology/health/tuberculosis-screening-ai-io-2021/.
- Tuberculosis. https://www.who.int/westernpacific/health-topics/tuberculosis. Acessado 6 de junho de 2021.
- Kazemzadeh, S., Yu, J., Jamshy, S., Pilgrim, R., Nabulsi, Z., Chen, C., ... & Prabhakara, S. (2021). Deep learning for detecting pulmonary tuberculosis via chest radiography: an international study across 10 countries. arXiv preprint arXiv:2105.07540.
Conteúdo elaborado por Diego Arthur Castro Cabral.
Aprenda conceitos básicos e soluções simples para resolver problemas complexos da ventilação mecânica e oferecer o melhor tratamento ao paciente crítico. Clique aqui