O COVID-19, causado pelo novo coronavírus 2 da síndrome respiratória aguda grave (SARS-CoV-2), colocou os sistemas de saúde em todo o mundo em crise. A velocidade com que os recursos de saúde foram consumidos em alguns países excedeu a oferta de equipamentos de proteção individual e ventiladores, a necessidade sem precedentes desses últimos como resultado de uma falha respiratória com risco de vida que caracteriza uma doença grave.
Entre as principais modalidades de diagnóstico por imagem, a radiografia de tórax e a TC produziram rapidamente uma grande quantidade de dados sobre o COVID-19, permitindo o desenvolvimento de algoritmos de aprendizado de máquina, uma forma de inteligência artificial (IA). Muito antes da pandemia do COVID-19, o entusiasmo em torno da tecnologia baseada em aprendizado de máquina em imagens médicas havia aumentado notavelmente. Agora, enormes conjuntos de dados emergentes da China e, cada vez mais, de países europeus, geraram inúmeras publicações relatando aplicativos de IA no COVID-19.
O que resta a ser visto é quantas dessas aplicações serão clinicamente úteis. O primeiro passo para atingir esse objetivo é definir a necessidade clínica para a qual uma solução melhorará ou transformará o atendimento clínico. O perigo é que, sem a supervisão clínica especializada, a pesquisa aplicada em IA pode resultar na solução de problemas: uma forma de suprimento tentando encontrar demanda, e não o contrário.
Embora a pesquisa de imagens médicas baseada em IA seja publicada com frequência, o número de sistemas validados em ensaios clínicos e implementados na prática clínica é comparativamente pequeno. A colaboração do Google Deepmind com o Moorfields Eye Hospital (Londres, Reino Unido) pode ser considerada um exemplo prototípico de especialista supervisão clínica que impulsiona a inovação técnica, onde uma solução automatizada e de alta precisão para analisar as tomografias de retina por tomografia de coerência óptica foi desenvolvida para atender ao enorme volume de varreduras realizadas globalmente a cada ano. Aplicações semelhantes de aprendizado de máquina, focadas em problemas, agora estão sendo implementadas no Serviço Nacional de Saúde, Reino Unido, incluindo a tecnologia InnerEye da Microsoft para planejamento de radioterapia para economizar tempo e a ferramenta de aprendizado de máquina do Heart Flow para modelagem coronária 3D a partir de TC cardíaca, que fornece suporte à decisão médicos que avaliam a necessidade de um paciente de angiografia coronariana.
Fonte: The Lancet