Pesquisadores do MIT criam solução que ajuda no diagnóstico de câncer de mama

O sistema usa machine learning para identificar tecidos mamários densos, que podem mascarar os tumores

Isabella Carvalho

Por Isabella Carvalho

18 de outubro de 2018 às 11:54 - Atualizado há 1 ano

Pesquisadores do Massachusetts Institute of Technology (MIT) e do Hospital Geral de Massachusetts (MGH) desenvolveram uma tecnologia automatizada que avalia o tecido mamário denso em mamografias. Este tipo de tecido pode favorecer resultados falso-negativos nos exames de mamografia, já que são brancos como os tumores, que podem passar despercebidos pelos médicos.

O sistema desenvolvido pelo MIT usa o machine learning e já está sendo testado em pacientes reais no Massachusetts General Hospital, localizado em Boston, nos Estados Unidos. Os pesquisadores esperam que a solução possa ajudar a trazer maior confiabilidade às avaliações em todo o país. Isso porque, apenas nos Estados Unidos, cerca de 40% das mulheres possuem tecido mamário denso, e 30 estados do país determinam que elas devem ser notificadas se suas mamografias indicarem mamas densas.

A solução foi treinada pelos pesquisadores com milhares de mamografias digitais de alta qualidade para que as máquinas aprendam a distinguir diferentes tipos de tecidos mamários. A tecnologia é capaz de identificar a densidade e aprimorar o diagnóstico dos especialistas. “Nossa motivação era criar uma ferramenta precisa e consistente, que pudesse ser compartilhada e usada em todos os sistemas de saúde”, disse Adam Yala, estudante de doutorado do Laboratório de Ciência da Computação e Inteligência Artificial do MIT, em um comunicado.

O sistema foi construído com uma rede neural convolucional (CNN) – mais de 41 mil mamografias foram usadas para treinamento e cerca de 8.600 para testes. Os diagnósticos seguem uma classificação de densidade mamária padrão do Breast Imaging Reporting and Data System (BI-RADS) em quatro categorias: gordurosas, dispersas (densidade dispersa), heterogêneas (principalmente densas) e densas. Durante o processo, o sistema mapeia a mamografia  e prevê a categoria de densidade mais provável. Os seios densos, por exemplo, contêm tecido conectivo glandular e fibroso, que aparecem como redes compactas de linhas grossas brancas e manchas brancas sólidas. As redes de tecido adiposo parecem muito mais finas, com área cinzenta por toda parte.

A solução dos pesquisadores é instalada em uma máquina separada que intercepta os exames antes de chegarem ao radiologista e atribui a cada mamografia uma classificação. Quando os radiologistas acessam suas estações de trabalho, conseguem ver esses resultados, aceitando ou rejeitando a previsão. Segundo Yala, a tecnologia leva menos de um segundo para analisar cada imagem. Em mais de 10 mil mamografias realizadas no hospital de janeiro a maio deste ano, a tecnologia teve 94% de concordância entre os radiologistas.

Para o futuro, os especialistas pretendem aprimorar ainda mais e escalar a solução. “Com base nessa experiência, exploraremos como levar algoritmos de machine learning desenvolvidos no MIT para clínicas que beneficiam milhões de pacientes”, diz Regina Barzilay, membro do Instituto Koch para Pesquisa Integrativa do Câncer no MIT.

O comunicado da MIT aconteceu no mês de outubro, mundialmente conhecido pela campanha de conscientização sobre a importância da prevenção e do diagnóstico precoce do câncer de mama. O Outubro Rosa surgiu em 1990, nos Estados Unidos, e hoje o movimento é difundido em diversos países, como o Brasil.