Esta semana, a IBM divulgou os resultados de novas pesquisas usando tecnologia de deep learning e análise visual para promover a detecção precoce da retinopatia diabética (DR) 1. Os resultados, que classificam o grau de severidade da doença em uma imagem de olho, excedem outros esforços de pesquisa atualmente publicados para a classificação de gravidade usando deep learning e insights de patologia.
A pesquisa descobriu que um novo método criado pela equipe da IBM atingiu uma pontuação de precisão de 86 por cento na classificação da gravidade da doença entre os cinco níveis reconhecidos na escala clínica internacional DR (sem DR, leve, moderada, grave, proliferativa) , Por ser capaz de identificar rapidamente e com precisão tanto a presença e a gravidade da doença do olho diabético, esta investigação poderia potencialmente ajudar médicos e clínicos a ter uma melhor visão da progressão da doença e determinar o tratamento.
Retinopatia diabética é uma das principais causas do mundo de cegueira e afeta um em cada três dos 422 milhões de pessoas que sofrem de diabetes global2. Se não tratada, doença ocular diabética pode levar à cegueira permanente, no entanto detecção precoce e tratamento pode reduzir o risco de cegueira em 95 por cento.
Com base em mais de 35.000 imagens oculares acessadas via EyePACS, a tecnologia IBM foi treinada para identificar lesões como micro-aneurismas, hemorragias e exsudatos para indicar danos nos vasos sanguíneos da retina e avaliar a presença e a gravidade da doença. O novo método para classificar o nível de severidade de DR combina técnicas de aprendizagem profunda, redes convulsionais neurais (CNN), com uma aprendizagem baseada em dicionário para incorporar patologias DR específicas. Ao longo do tempo, os cientistas da IBM Research continuarão a desenvolver o sistema para aumentar sua compreensão da retinopatia diabética e as patologias manifestadas da doença na retina.
“As projeções alarmantes do número de pacientes com retinopatia diabética têm implicações importantes para o sistema de saúde. A perda de visão da condição pode impor um enorme fardo para o indivíduo, incluindo uma perda de capacidade de trabalho e a necessidade de apoio comunitário intensivo”, disse o Dr. Peter van Wijngaarden, pesquisador principal do Centro de Pesquisa de Olhos Austrália, Departamento de Oftalmologia, Universidade de Melbourne. “Para reduzir substancialmente o número de pessoas que desnecessariamente vem perdendo a visão devido à doença ocular diabética, há uma necessidade real de inovação para melhorar a triagem eficaz daqueles que estão em risco para permitir o tratamento precoce poupança”.
Atualmente, a DR é diagnosticada através de rastreio regular de pacientes com diabetes, onde um especialista clínico examina a fotografia fundus especializada da retina para identificar a presença de lesões. A interpretação dessas imagens requer treinamento especializado e é muitas vezes um processo manual, demorado e subjetivo para classificá-las para a presença e gravidade da doença.
Cerca de 90% dos deficientes visuais vivem em países de baixa renda e em países em desenvolvimento, alguns com acesso limitado ao transporte e especialistas. Métodos emergentes de visão computacional para identificar e classificar lesões em uma imagem dentro de 20 segundos podem criar novos níveis de eficiência, o que poderia ajudar os clínicos a examinar um maior número de pacientes com diabetes e rapidamente encaminhar aqueles que precisam de cuidados especializados.
“Os recentes avanços nas tecnologias de aprendizagem profunda e análise de imagens estão mostrando uma promessa significativa no potencial de ajudar a resolver alguns dos maiores desafios de saúde que enfrentamos hoje”, disse a Dra. Joanna Batstone, vice-presidente e diretora de laboratório da IBM Research Austrália. “Os métodos automatizados e altamente precisos de rastreamento de DR têm o potencial de ajudar os médicos a selecionar mais pacientes do que atualmente é possível”.
A IBM Research globalmente continua a avançar na pesquisa combinando tecnologia cognitiva com imagens médicas. Através de seus 12 laboratórios colaborativos em todo o mundo, está focada em projetos de pesquisa envolvendo análise de imagens médicas para doenças como melanoma, câncer de mama, câncer de pulmão e doença ocular.
Os resultados da pesquisa foram apresentados no Simpósio Internacional do IEEE sobre Imagem Biomédica (ISBI) em Melbourne.
1 comentário