CytoDiffusion usa IA generativa e, com mais de meio milhão de imagens, supera especialistas
Um novo sistema baseado em IA generativa promete transformar a forma como são identificadas células sanguíneas anormais, incluindo aquelas associadas à leucemia. Desenvolvido por pesquisadores do consórcio BloodCounts!, o modelo chamado CytoDiffusion foi treinado com mais de meio milhão de imagens de lâminas de sangue do Hospital Addenbrooke’s, em Cambridge, e demonstrou sensibilidade superior a sistemas existentes, além de desempenho comparável ou melhor que o de especialistas humanos.
A proposta do CytoDiffusion foge do tradicional, pois em vez de apenas classificar imagens em categorias, o modelo busca modelar a distribuição completa das aparências celulares. Essa abordagem torna o sistema mais robusto a variações de microscópios, técnicas de coloração e padrão de imagem entre hospitais, auxiliando na detecção de células incomuns ou raras que podem sinalizar doenças graves.
Como funciona o CytoDiffusion
O CytoDiffusion utiliza técnicas de IA generativa, semelhantes às empregadas por geradores de imagens como o DALL-E, para aprender as diversas formas e estruturas das células sanguíneas. Ao modelar essa variabilidade, o sistema não fica restrito a exemplos rotineiros, conseguindo também quantificar a própria incerteza diante de casos ambíguos.
Para treinar o modelo os pesquisadores reuniram o maior conjunto de dados deste tipo, com amostras que abrangem desde células comuns até exemplos raros e elementos que normalmente confundem sistemas automatizados. Esse volume e diversidade são pilares para que a IA generativa reconheça padrões esperados e identifique anomalias que merecem revisão humana.
Resultados e evidências
Nos testes apresentados, o CytoDiffusion detectou células anormais associadas à leucemia com sensibilidade e confiabilidade superiores às de tecnologias anteriores. Segundo os autores, “Quando avaliamos sua precisão, o sistema demonstrou desempenho ligeiramente superior ao dos humanos”.
Além disso, o time mostrou que o modelo consegue gerar imagens sintéticas de células praticamente idênticas às reais. Em um “teste de Turing” com dez hematologistas experientes, os especialistas não conseguiram distinguir consistentemente imagens reais das geradas pela IA. “Isso realmente me surpreendeu”, comentou um dos pesquisadores.
Os criadores também destacam que o CytoDiffusion apresenta capacidade de avaliar sua própria incerteza, um diferencial importante para aplicações clínicas, porque indica quando um caso precisa de revisão humana. Um dos pesquisadores lembra sua experiência pessoal, “Quando eu era médico júnior em hematologia, após um dia exaustivo de trabalho eu me deparava com inúmeras lâminas para analisar. Ao realizá-las em horários tardios, fiquei convencido de que a IA poderia desempenhar esse trabalho de forma mais eficaz.”
Implicações clínicas e próximos passos
Os pesquisadores enfatizam que a missão do CytoDiffusion não é substituir médicos, mas aperfeiçoar o fluxo de trabalho, triando casos de rotina e sinalizando anomalias para revisão. Como afirmam, “O verdadeiro valor da IA na saúde não está em imitar a expertise humana a um custo menor, mas em oferecer um poder diagnóstico, prognóstico e prescritivo superior ao que os especialistas ou modelos estatísticos simples podem alcançar”.
Entre os desafios a serem enfrentados estão a velocidade do sistema, a validação em populações diversas e a garantia de equidade diagnóstica entre diferentes grupos de pacientes. Os autores também disponibilizaram publicamente o conjunto de dados com mais de meio milhão de imagens, no intuito de democratizar o acesso a dados médicos de alta qualidade e fomentar o desenvolvimento de novos modelos baseados em IA generativa.
Publicado na revista Nature Machine Intelligence, o estudo indica que a IA generativa pode não apenas elevar a precisão da detecção de células sanguíneas anormais, como também oferecer uma camada de metaconhecimento, ao reconhecer limites do próprio aprendizado. O resultado é uma ferramenta que complementa a perícia humana, potencializando diagnósticos mais rápidos e confiáveis para doenças hematológicas, incluindo a leucemia.
Deixe um comentário