Modelo de IA Reduz Erros nos Exames Oculares de Forma Drástica

Pesquisadores recentemente projetaram um algoritmo de inteligência artificial que parece diagnosticar problemas de visão com mais precisão do que os testes de visão clássicos atualmente utilizados por médicos. De acordo com a Science, o novo teste pode reduzir o erro de diagnóstico para exames oculares em cerca de 74%.

Os oftalmologistas vêm usando o mesmo teste de visão, o exame ocular clássico baseado em cartazes com letras e símbolos de diferentes tamanhos, por décadas. Os resultados do teste são interpretados pelo oftalmologista, e, claro, podem haver erros na interpretação dos resultados e no diagnóstico. Pesquisadores da Universidade de Stanford visaram melhorar esses testes com um algoritmo de IA.

De acordo com um cientista da computação de Stanford, Chris Piech, parte do problema com os testes tradicionais é que, quando as letras se tornam muito borradas para o sujeito ver, o sujeito começa a adivinhar as letras. Essa adivinhação significa que os resultados do teste podem variar se uma pessoa fizer o teste várias vezes. Para desenvolver um teste com melhor precisão e replicabilidade, Piech e colegas criaram um teste online, com os resultados do teste sendo usados para treinar um modelo de IA. O teste online primeiro leva o usuário pelo processo de calibração da tela. Após a calibração da tela, o usuário insere a distância da tela e, em seguida, o programa exibe uma letra “E”, que aparece em várias orientações. Após isso, o modelo atribui ao usuário uma pontuação de visão, com base em um modelo estatístico. O programa faz 20 perguntas para cada olho, atualizando sua pontuação de visão à medida que o faz, e, em seguida, renderiza uma previsão com base na pontuação de visão.

A equipe de pesquisa executou seu modelo em 1000 simulações de computador que emulavam as entradas de pacientes reais. A simulação de computador opera sendo inicializada com uma pontuação de acuidade visual conhecida e, em seguida, fazendo os tipos de erros que uma pessoa poderia fazer ao fazer o teste. Os pesquisadores conduziram os testes dessa forma porque, para cada teste, há uma “verdadeira” pontuação de acuidade, o que não é o caso quando um humano faz o teste. De acordo com os pesquisadores, seu modelo foi capaz de reduzir o erro de diagnóstico em cerca de três quartos (74%) em comparação com os testes de visão clássicos. Apesar desses resultados bastante impressionantes, Piech e colegas advertiram que o modelo não é destinado a substituir médicos, mas sim é uma ferramenta que os médicos poderiam potencialmente usar para melhorar a precisão de um diagnóstico.

Um oftalmologista, Mark Blecher, opinou à Science que, embora o programa seja uma implementação útil e inteligente de modelos de IA para oftalmologia, os pesquisadores também devem levar em consideração coisas como o ambiente em que o sujeito do teste está realizando o teste, pois esses atributos também podem influenciar os resultados do teste. Além disso, Blecher antecipa que os pesquisadores podem ter dificuldade em fazer com que os oftalmologistas usem seu novo modelo e concordem com um novo padrão, pois o status quo pode ser difícil de derrubar.

A pesquisa realizada por Piech e colegas não é o único desenvolvimento recente relacionado à IA e visão. Recentemente, o Google (GOOGL ) desenvolveu um modelo de IA que pode ocasionalmente superar os clínicos na identificação de condições oculares comuns que podem levar à perda de visão. O Google DeepMind colaborou com o Moorfields Eye Hospital para desenvolver um modelo que pode prever significativamente a chance de um paciente desenvolver uma forma grave de degeneração macular. Em outro lugar, uma startup israelense chamada AEYE Health utilizou técnicas de visão computacional e aprendizado de máquina para desenvolver scanners de retina que podem potencialmente fazer um reconhecimento básico e preciso de condições oculares comuns, encaminhando o paciente a um médico se o diagnóstico for positivo.