A inteligência artificial transparente melhora a avaliação da agressividade do cancro da próstata
A IA fala a língua dos patologistas
Anúncios
Até hoje, a agressividade do cancro da próstata tem sido avaliada principalmente através do sistema de classificação de Gleason - uma análise do tecido canceroso num laboratório de patologia que é altamente subjectiva. Uma equipa de investigação internacional liderada pelo Centro Alemão de Investigação do Cancro (DKFZ) desenvolveu agora um novo modelo de IA explicável que visa tornar o diagnóstico do cancro da próstata mais transparente e menos suscetível a erros.
"Os modelos de IA anteriores podem fazer previsões sobre as pontuações de Gleason, mas muitas vezes não fornecem uma explicação compreensível, o que limita a sua aceitação clínica", explica Titus Brinker do DKFZ. O novo sistema desenvolvido dispensa explicações retrospectivas e baseia-se diretamente em descrições da patologia. Para o efeito, 1.015 amostras de tecido foram anotadas com explicações detalhadas por peritos internacionais.
O estudo, que envolveu 54 patologistas de dez países, apresenta uma das mais completas colecções de anotações de tecidos baseadas em explicações. Como resultado, a equipa de Heidelberg apresenta o "GleasonXAI", uma IA que oferece decisões interpretáveis - semelhantes às que um patologista forneceria.
Ao utilizar os chamados "soft labels", que reflectem as incertezas entre as avaliações individuais dos patologistas, a IA conseguiu obter resultados reprodutíveis apesar da elevada variabilidade. Numa comparação direta com modelos convencionais, o GleasonXAI alcançou uma precisão equivalente ou superior - ao mesmo tempo que oferecia uma maior transparência.
A IA fala a língua dos patologistas
Participaram no estudo patologistas da Alemanha, dos EUA, do Canadá, da Suíça e de outros países. Os especialistas contribuíram com uma média de 15 anos de experiência clínica para o projeto. Para além de desenvolver o modelo, a equipa também está a publicar o maior conjunto de dados disponível gratuitamente até à data com anotações explicativas para os padrões de Gleason, a fim de fazer avançar a investigação sobre IA explicável.
"Pela primeira vez, desenvolvemos um sistema de IA que reconhece as caraterísticas dos tecidos dos padrões de Gleason e explica-os de forma semelhante a um patologista", afirma Gesa Mittmann, coautora do estudo. "Isto deverá aumentar a confiança e a aceitação da IA na prática clínica quotidiana".
Potencial para a prática clínica
Os resultados mostram que a IA explicável pode ser implementada de uma forma prática sem comprometer o desempenho. Isto poderia acelerar a sua utilização na patologia de rotina - o que é altamente relevante, especialmente em tempos de aumento das taxas de cancro e diminuição das capacidades dos especialistas.
Para além disso, o modelo também apoia a formação: "As segmentações explicáveis podem ajudar particularmente os jovens patologistas a compreender os padrões típicos e a fazer diagnósticos fiáveis mais rapidamente", sublinha Brinker.
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Gesa Mittmann, Sara Laiouar-Pedari, Hendrik A. Mehrtens, Sarah Haggenmüller, Tabea-Clara Bucher, Tirtha Chanda, Nadine T. Gaisa, Mathias Wagner, ... Siamak Sakhaie, Michelle R. Downes, Hiroshi Miyamoto, Sean R. Williamson, Tim Holland-Letz, Christoph Wies, Carolin V. Schneider, Jakob Nikolas Kather, Yuri Tolkach, Titus J. Brinker; "Pathologist-like explainable AI for interpretable Gleason grading in prostate cancer"; Nature Communications, Volume 16, 2025-10-8
Outras notícias do departamento ciência
