Como cientistas da computação e pesquisadores da Microsoft trabalham para “resolver” o câncer

video

Nos laboratórios de pesquisa da Microsoft em todo o mundo, cientistas da computação, programadores, engenheiros e outros especialistas estão tentando resolver alguns dos mais difíceis problemas da indústria, que vão desde design e segurança de sistemas até computação quântica e visualização de dados.

Um grupo desses cientistas, engenheiros e programadores tem um objetivo diferente: eles estão tentando utilizar a ciência da computação para resolver um dos mais complexos e mortais desafios que os humanos enfrentam: o câncer.

E, na maior parte do tempo, eles fazem isso com algoritmos e computadores no lugar de tubos de testes e béqueres.

“Estamos tentando mudar a forma pela qual a pesquisa é feita rotineiramente na biologia”, afirma Jasmin Fisher, uma bióloga em treinamento que trabalha no grupo de princípios e ferramentas de programação no laboratório da Microsoft de Cambridge, Reino Unido.

Uma equipe de pesquisadores está usando o aprendizado de máquina e o processamento de linguagem natural para ajudar os principais oncologistas do mundo a entenderem o tratamento de câncer mais efetivo e individualizado para seus pacientes, fornecendo uma forma intuitiva de classificar todos os dados de pesquisa disponíveis.

Outra equipe está juntando aprendizado de máquina com visão computacional para dar aos radiologistas um entendimento mais detalhado de como os tumores dos pacientes estão evoluindo.

Além disso, outro grupo de pesquisadores cria algoritmos poderosos que ajudaram os cientistas a entender como o câncer se desenvolve e quais tratamentos funcionarão melhor para combatê-los.

E outro time trabalha em esforços extraordinários que podem um dia permitir que cientistas programem células para combater doenças, incluindo o câncer.

Duas abordagens principais em ciências da computação

Apesar de os projetos individuais variarem muito, a filosofia global da Microsoft em relação ao problema do câncer se foca em duas abordagens, afirma Jeannette M. Wing, vice-presidente corporativa responsável pelos laboratórios de pesquisa da empresa.

Uma abordagem está enraizada na ideia de que câncer e outros processos biológicos são sistemas de processamento de informações. Com essa abordagem, as ferramentas utilizadas para modelar e raciocinar sobre processos computacionais – como linguagens de programação, compiladores e verificadores de modelo – são usadas para modelar e raciocinar sobre processos biológicos.

A outra abordagem é mais ligada a dados. É baseada na ideia de que os pesquisadores podem aplicar técnicas como aprendizado de máquina à grande quantidade de dados biológicos que de repente se tornou disponível e usar essas ferramentas sofisticadas de análise para melhor entender e tratar o câncer.

Ambas as abordagens compartilham certa base – incluindo a filosofia principal de que o sucesso depende de que tanto biólogos quanto cientistas da computação empreguem seu conhecimento na solução do problema.

“A colaboração entre biólogos e cientistas de computador é atualmente a have para fazer isso funcionar”, afirma Wing.

Wing afirma que a Microsoft tem boas razões para fazer amplos investimentos no uso de ciência da computação para enfrentar o câncer. Uma delas é manter a principal missão da empresa.

“Se você fala sobre empoderar cada pessoa e cada organização para realizar mais, esse é o primeiro passo nessa jornada”, afirma.

Além disso, diz ela, o extensivo investimento da Microsoft em computação em nuvem se ajusta naturalmente num campo que precisa de grande poder de processamento computacional para resolver grandes problemas.

Em longo prazo, faz sentido que a Microsoft invista em formas para fornecer ferramentas para os clientes, não importando quais plataformas de computação eles escolham – mesmo que, um dia, essa plataforma seja uma célula viva.

“Se os computadores do futuro não serão feitos apenas de silício, e podem conter materiais vivos, cabe a nós garantir que entendamos o que significa programar esses computadores”, ela diz.

ms1

Organizando o conhecimento para encontrar um melhor tratamento

Os esforços das equipes de pesquisadores chegam em meio a grandes avanços na compreensão do papel da genética, tanto na aquisição quanto no tratamento do câncer. Isso, por sua vez, está estimulando uma atenção ainda maior em tratar cada caso de câncer de forma personalizada, algumas vezes chamada de medicina de precisão.

“Estamos em uma revolução sobre o tratamento de câncer”, afirma David Heckerman, um distinto cientista e diretor sênior do grupo de genoma na Microsoft. “Até 10 anos atrás, o pensamento era de tratar o tecido: você tem câncer no cérebro, recebe tratamento de câncer de cérebro. Você tem câncer de pulmão, recebe tratamento de câncer de pulmão. Agora, sabemos que é tão ou mais importante tratar o genoma do câncer, ou seja, quais genes causaram o problema no genoma.”

Essa pesquisa tem sido ajudada pelos recentes avanços na capacidade de mapear de forma mais simples e acessível o genoma humano e outros materiais genéticos. Isso está dando aos cientistas uma série de informações para entender o câncer e desenvolver um tratamento mais personalizado e efetivo – mas a enorme quantidade de dados também apresenta diversos desafios.

“Chegamos ao ponto no qual estamos mergulhados em informação. Podemos mensurar muito, e como podemos fazer, nós fazemos”, afirma Fisher. “Como você pega essas informações e transforma em conhecimento? Isso é uma história diferente. Há uma grande distância entre informação e dados, e entre conhecimento e entendimento.”

Os pesquisadores dizem que essa é uma área na qual os cientistas da computação podem ajudar mais as ciências biológicas. Algumas das abordagens mais promissoras envolvem usar um ramo de inteligência artificial chamado aprendizado de máquina, que fazem o trabalho duro que torna a medicina de precisão difícil de manejar.

Em um cenário mais básico, um sistema de aprendizado de máquina pode fazer coisas como identificar uma imagem baseada em fotos de gatos já vistas anteriormente. No campo da pesquisa sobre câncer, essas técnicas estão sendo utilizadas para classificar e organizar milhões de pedaços de pesquisa e dados médicos.

“Esses são nossos pontos fortes, inteligência artificial e aprendizado de máquina”, afirma Hoifung Poon, pesquisador no laboratório da Microsoft em Redmond, Washington, que está usando uma técnica chamada leitura de máquinas para ajudar oncologistas a descobrir as últimas informações sobre tratamentos efetivos de câncer para pacientes individuais.

Outra grande vantagem: computação na nuvem. Usando ferramentas como a plataforma Azure, pesquisadores podem fornecer aos biólogos esses tipos de abordagem, mesmo que os especialistas médicos não tenham computadores próprios poderosos, ao hospedar as ferramentas na nuvem para qualquer um acessar pela internet.

Os pesquisadores da Microsoft dizem que a empresa também está bem-posicionada para liderar os esforços de computação contra o câncer por conta de sua longa história como uma empresa de software fornecendo uma plataforma na qual outras pessoas podem construir e expandir.

Estamos em uma revolução no tratamento do câncer

– David Heckerman, Microsoft

“Se você olhar a combinação de coisas que a Microsoft faz realmente bem, então faz todo o sentido para a Microsoft estar nesse setor”, afirma Andrew Phillips, que lidera o grupo de pesquisa de computação biológica no laboratório da Microsoft em Cambridge, Reino Unido.

Nesse campo específico, Phillips afirma que os pesquisadores se beneficiam da história da Microsoft como inovadora em software.

“Podemos usar métodos de programação de computadores para programar a biologia e então desenvolver ainda mais aplicações ou até melhores tratamentos”, ele afirma.

É claro, nenhuma dessas ferramentas irá ajudar a combater o câncer e salvar vidas a menos que sejam acessíveis e compreensíveis para biólogos, oncologistas e outros pesquisadores de câncer.

Pesquisadores da Microsoft afirmam que fizeram um grande esforço para tornar seus sistemas simples de usar, mesmo para pessoas sem qualquer experiência – ou interesse particular – em tecnologia e ciência da computação. Isso inclui tudo, desde aprender a falar a linguagem dos médicos e biólogos até criar ferramentas baseadas em computador que imitam os sistemas que as pessoas usam em seus laboratórios.

“Estamos sempre pensando em produzir ferramentas que ajudem os médicos”, afirma Aditya Nori, pesquisador sênior especializado em linguagens de programação e aprendizado de máquina e que está trabalhando em sistemas para avaliar mudanças em tumores.

ms2

Jasmin Fisher não quer curar o câncer. Ela quer resolvê-lo – e ela acredita que pode fazê-lo durante sua vida.

“Não estou dizendo que o câncer deixará de existir”, afirma Fisher, pesquisadora sênior no grupo de ferramentas e princípios de programação no laboratório de pesquisa na Microsoft, em Cambridge, Reino Unido; e professora associada no departamento de bioquímica na Universidade de Cambridge. “Mas, uma vez que você o gerencia – uma vez que você aprenda como controlá-lo – é um problema resolvido.”

Para fazer isso, Fisher e sua equipe acreditam que você precisa usar a tecnologia para entender o câncer – ou, mais especificamente, os processos biológicos que fazem com que uma célula se torne cancerosa. Então, uma vez que você entenda onde o problema ocorreu, precisa entender como consertá-lo. Seu objetivo é entender o programa, ou conjunto de instruções, que faz com que uma célula execute seus comandos ou se comporte de certa forma. Uma vez que você faça um programa de computador que descreve o comportamento saudável de uma célula, e compare-a com o de uma célula doente, é possível compreender uma forma pela qual o comportamento nocivo possa ser corrigido.

“Se compreendermos como fazer esses programas, e pudermos depurá-los, será um problema resolvido”, ela afirma.

Análise de biomodelo

Uma abordagem que Fisher e sua equipe estão adotando é chamada análise de biomodelo (Bio Model Analyzer – BMA). É uma ferramenta baseada em nuvem que permite que biólogos modelem como as células interagem e se comunicam, e as conexões que fazem.

O sistema cria um modelo computadorizado que compara os processos biológicos de uma célula saudável com os processos anormais que ocorrem quando uma doença ataca. Isso, por sua vez, pode permitir aos cientistas ver as interações entre os milhões de genes e proteínas no corpo humano que levam ao câncer, e rapidamente conceber a melhor e menos prejudicial forma de fornecer tratamento personalizado para aquele paciente.

bio“Eu uso o BMA para entender cânceres – entender o processo de se tornar um câncer, entender as comunicações que estão ocorrendo”, afirma Ben Hall, um pesquisador membro da Royal Society University em Cambridge, Reino Unido, que trabalha com Fisher no projeto.

Hall afirma que o BMA tem muitos usos, incluindo como detectar cedo o câncer e compreender como tratá-lo melhor ao modelar quais medicamentos serão mais efetivos e em qual ponto o câncer pode se tornar resistente a eles.

Eis uma forma na qual o BMA pode funcionar: digamos que um paciente tem uma rara e fatal forma de câncer no cérebro. Utilizando o BMA, os médicos podem inserir todas as informações biológicas sobre o paciente no sistema. Então, eles podem usar o sistema para rodar todos os tipos de experimentos, comparando a informação do paciente de câncer com a de um paciente saudável, por exemplo, ou simulando como o sistema do paciente pode responder a vários medicamentos.

Esse tipo de computação seria impossível para uma pessoa fazer usando caneta e papel, ou mesmo um simples programa de computador, porque há muitas variáveis em milhões de moléculas, proteínas e genes que trabalham juntos no corpo humano. Para criar esse tipo de solução que Fisher visualiza, são necessários poderosos modelos computacionais capazes de construir esses imensos e complexos modelos e checar possíveis soluções para anormalidades.

A habilidade de rodar esses tipos de experimentos “in silico” – ou utilizando computadores – em vez de utilizar papel e caneta ou tubos de teste e béqueres também permite aos pesquisadores rapidamente testar muito mais possibilidades. Isso, por sua vez, dá um melhor entendimento sobre como um câncer se desenvolve, evolui e interage com o resto do corpo.

“Eu acho que isso irá acelerar as pesquisas porque podemos testar muito mais possibilidades do que poderíamos no laboratório”, afima Jonathan Dry, o principal cientista na empresa farmacêutica AstraZeneca cuja equipe colabora com o time de Fisher.

No passado, afirma Dry, a grande dificuldade de testar qualquer hipótese significava que os pesquisadores tinham que se focar nas suas favoritas, fazendo palpites do que poderia ser promissor. Um sistema como o BMA permite que eles experimentem todos os tipos de ideias, que torna mais provável que acertemos nos corretos – e menos provável que eles deixem passar candidatos menos prováveis.

“Se tivéssemos que experimentar cada hipótese, seria próximo do impossível”, afirma Dry.  “Esses modelos nos dão um senso real de todas as possibilidades.”

Melhorando e personalizando o tratamento do câncer

A Microsoft e a AstraZeneca têm usado o BMA para entender melhor as interações das drogas e a resistência em pacientes com um certo tipo de leucemia. Com o BMA, as duas equipes de pesquisa poderão descobrir porque vários pacientes respondem de forma diferente a certos tratamentos.

Dry disse que o BMA tem um grande potencial para abordagens mais personalizadas para o tratamento de câncer, ou medicina de precisão. Os pesquisadores esperam que um sistema como o BMA possa eventualmente permitir que pesquisadores e oncologistas observem em detalhes o caso de câncer de uma pessoa e ainda rodem testes que considerem outros fatores que possam impactar o tratamento, como se o paciente tem outra doença ou se está tomando medicamentos que possam interagir com as drogas de câncer.

person“Isso reconhece que cada paciente é um indivíduo e que pode ser amplamente heterogêneo”, afirma Dry.

Uma ciência da computação que faça sentido para o biólogo

Fisher acredita que sistemas como o BMA têm a possibilidade de revolucionar como o câncer é entendido, mas o sucesso só é possível se os biólogos se sentirem confortáveis usando-os.

David Benque, designer que trabalhou extensivamente com BMA, disse que o sistema foi construído para ser tão familiar e compreensível para biólogos quanto possível.

Fisher afirma que é imperativo que sistemas como esse sejam “amigáveis para biólogos”. De outra forma, os avanços necessários para resolver o câncer simplesmente não acontecerão.

“Todo mundo percebeu que há uma necessidade de computação para a pesquisa de câncer. Uma coisa é entender isso e outra é convencer um clínico a realmente usar essas ferramentas”, ela afirma.

ms3

Se você é um desenvolvedor criando um novo software, provavelmente escreverá seu código no que os cientistas gostam de chamar de uma forma fundamentada e outros processos formais para criar um sistema que siga as regras da computação.

Neil Dalchau quer fazer a mesma coisa com a biologia. Ele é parte da equipe que está tentando fazer computação em células em vez de silício.

Se você pode fazer computação com sistemas biológicos, então você pode transferir o que aprendemos na computação tradicional em aplicações médicas ou biotecnológicas”, afirma Dalchau, cientista no grupo de pesquisa de computação biológica no laboratório da Microsoft em Cambridge, Reino Unido.

O principal objetivo dessa abordagem computacional: programar a biologia como se programam computadores. Esse é um avanço que pode abrir todo o tipo de possibilidade para tudo, desde tratar doenças a alimentar o mundo com produção agrícola mais eficiente.

“Todos os aspectos de nosso dia a dia serão afetados”, afirma Andrew Phillips, que lidera o grupo de pesquisa de computação biológica.

Phillips diz que uma abordagem é criar um tipo de computador molecular colocado dentro de uma célula para monitorar doenças. Se o sensor detectasse uma doença, poderia dar uma resposta para combatê-la.

Essa é uma melhoria gritante em relação aos diversos tratamentos de câncer atuais, que acabam destruindo células saudáveis no processo de combater as cancerosas.

Primeiros, porém promissores, passos

Phillips avisa que os cientistas da computação ainda estão nos primeiros estágios e esses objetivos em longo prazo continuam bem distantes.

“É uma aplicação final”, ele diz.

Um grande e óbvio desafio é que sistemas biológicos – incluindo nossos corpos – são muito mais misteriosos do que o hardware – computadores – que criamos para rodar software.

“Nós construímos o computador. Sabemos como ele funciona. Não construímos a célula e muito de seu complexo funcionamento interno continua um mistério. Então, precisamos entender como a célula computa para poder programá-la”, afirma Phillips. “Precisamos desenvolver os métodos e software para analisar e programar células.”

Veja o câncer, por exemplo. Sara-Jane Dunn, cientista que também está trabalhando no grupo de biologia computacional, diz que você pode pensar no câncer como um programa biológico que deu errado – uma célula saudável que teve um bug que fez com que ela tivesse um glitch. E, da mesma forma, você pode pensar no sistema imunológico como a máquina que tem a habilidade de consertar alguns, mas não todos os bugs.

Os cientistas aprenderam muito sobre o que causa o câncer e o que ativa o sistema imunológico, mas Dunn afirma que isso ainda está no começo e ainda há muito trabalho a ser feito. Se sua equipe chegar ao ponto de entender esses sistemas como entende como fazer o Microsoft Word rodar em um PC, poderá equipar o sistema imunológico para montar uma resposta poderosa para o câncer.

“Se queremos poder programar a biologia, então precisamos entender como a biologia computa, em primeiro lugar”, ela afirma. “É por isso que achamos que podemos gerar um grande impacto.”

A capacidade de programar a biologia como programamos computadores é um esforço sem precedentes? Phillips acredita que é um objetivo ambicioso, de longo prazo – mas ele vê um caminho para o sucesso.

“Apesar de ser sem precedentes, sabemos que é tecnicamente possível”, diz. “Agora é uma questão de tornar realidade.”

ms4

Milhões de pessoas em todo o mundo serão diagnosticadas com câncer neste ano. Para alguns poucos, especialistas irão se reunir no conselho de tumores moleculares para rever a história do paciente e ir com o melhor plano de tratamento personalizado baseado no diagnóstico do câncer e na composição genética.

Hoifung Poon  quer democratizar o conselho de tumores moleculares e está trabalhando com um time de pesquisadores numa ferramenta para fazer isso.

Trata-se do Projeto Hanover. É uma abordagem orientada a dados que usa um ramo da inteligência artificial chamado aprendizado de máquina para automaticamente realizar o trabalho pesado que torna tão difícil para especialistas em câncer avaliar cada caso individualmente.

“Entendemos que o câncer muitas vezes não é causado por uma única mutação. Em vez disso, ela se origina de interações complexas de várias diferentes mutações, o que significa que você precisa dar uma olhada em tudo o que sabe sobre o genoma”, disse Poon.

Para fazer isso, pode ser necessário peneirar milhões de pedaços de informação fragmentada para encontrar toda a base comum aplicável a uma única pessoa e a um único caso de câncer. Para um ocupado oncologista que atende muitos pacientes, isso simplesmente não é possível.

É por isso que os pesquisadores da Microsoft estão trabalhando em um sistema que poderia ampliar a forma como os médicos abordam a tarefa atualmente. O sistema é projetado para vasculhar automaticamente toda essa informação fragmentada para encontrar as peças de dados mais relevantes – deixando especialistas em tumores com mais tempo para usar seus conhecimentos para descobrir o melhor plano de tratamento para os pacientes.

O objetivo final é ajudar os médicos a fazer toda a pesquisa e, em seguida, apresentar uma ferramenta baseada em computação em nuvem Microsoft Azure que permite aos médicos definir quais tratamentos funcionariam melhor com base nas informações que receberam.

“Se pudermos usar essa base de conhecimento para apresentar os resultados mais relevantes da pesquisa para cada paciente, então um oncologista comum pode dar uma olhada e tomar a melhor decisão”, disse Ravi Pandya, arquiteto de software da Microsoft, que também está trabalhando no Projeto Hanover.

Encontrar uma agulha no palheiro com o Lightroom

O Projeto Hanover começou com uma ferramenta chamada Literome, um sistema baseado em computação em nuvem que vasculha milhões de trabalhos de pesquisa para procurar a pesquisa genômica que possa ser aplicável ao diagnóstico de uma doença específica.

Essa é uma tarefa que seria difícil para os oncologistas fazerem por conta própria por causa do grande volume, e se tornaria mais complicada pelo fato de os pesquisadores nem sempre serem coerentes na forma de descrever seu trabalho. Isso significa que vários trabalhos de pesquisa com foco na mesma informação genética podem não coincidir em linguagem.

“O problema é que as pessoas são muito criativas em descobrir meios de dizer a mesma coisa de formas diferentes”, disse Poon.

Para construir o Literome, Poon e seus colegas usaram a aprendizagem de máquina para desenvolver ferramentas de processamento de linguagem natural que requerem apenas uma pequena quantidade de conhecimento disponível para criar um modelo sofisticado para encontrar essas descrições diferentes de conhecimento similar.

Agora, a ferramenta está sendo expandida para também olhar para experimentos e outras fontes de informação que podem ser úteis.

A equipe de Poon também está trabalhando com o Knight Cancer Institute na Oregon Health and Science University para ajudar seus pesquisadores a encontrar melhores maneiras de combater uma forma complexa e muitas vezes letal de câncer chamada leucemia mielóide aguda.

Brian Druker, diretor do Knight Cancer Institute, disse que uma pessoa com essa forma de câncer pode na verdade estar lutando contra três ou quatro tipos de leucemia. Isso torna extremamente difícil descobrir a medicação correta e se o paciente desenvolverá resistência ao tratamento.

“Ficou claro que precisávamos de esforços computacionais muito sofisticados para tentar digerir todos os dados que estávamos gerando e dar sentido a eles”, disse Druker, cuja pesquisa anterior levou a grande melhora da expectativa de vida de pacientes com leucemia mielóide crônica.

Druker acredita que esse tipo de colaboração funciona como um diálogo de mão dupla: sua equipe de especialistas pode fornecer as hipóteses que ajudam os cientistas da computação a saber o que procurar nos dados. Os cientistas da computação, por sua vez, podem fazer a análise necessária para ajudá-los a provar ou refutar as suas hipóteses.

Isso pode, então, ajudá-los a desenvolver mais rapidamente os tratamentos e terapias necessários.

“Sempre acreditei que os dados estão tentando nos dizer qual é a resposta, mas precisamos saber como ouvi-la”, disse ele. “É aí que entra a computação.”

Sempre acreditei que os dados estão tentando nos dizer qual é a resposta, mas precisamos saber como ouvi-la. É aí que entra a computação.

– Brian Druker, Knight Cancer Institute

Druker acredita que estamos apenas no início da compreensão de como os dados podem ajudar a pesquisa do câncer. Além de dados genômicos, disse ele, os pesquisadores também devem começar a olhar para o que ele chama as outras “ômicas”, incluindo a proteômica, ou o estudo de proteínas, e a metabolômica, ou o estudo dos processos químicos que envolvem metabólitos.

“Vamos ter de ir além do genoma”, disse ele. “O genoma está nos dizendo muito, mas não está nos contando tudo.”

Poon disse que eles ainda estão nos estágios iniciais da pesquisa, mas já veem como ela poderia mudar, e salvar, vidas.

“Estamos neste momento tentador onde temos um vislumbre deste futuro promissor, mas há muito trabalho a ser feito”, disse ele.

ms5

Quando radiologistas desejam obter a melhor, a mais precisa imagem do que está acontecendo dentro do corpo de um paciente, muitas vezes eles se voltam para equipamentos estado-da-arte que custam milhões de dólares e podem produzir imagens altamente detalhadas.

E quando recebem essas imagens? Em muitos casos, a coisa mais high-tech que vão usar para lê-los é o olho humano.

“O olhar funciona muito bem para o diagnóstico”, disse Antonio Criminisi, especialista em aprendizado de máquina e visão de computador que dirige a pesquisa radiômica no laboratório da Microsoft em Cambridge, no Reino Unido. “Um radiologista experiente pode olhar para uma imagem – uma digitalização do cérebro de alguém – e ser capaz de dizer em dois segundos: “Sim, há um tumor. Não, não há um tumor.’”

Mas quando se trata de descobrir se o tratamento está funcionando ou não, Criminisi diz que o trabalho de um radiologista fica muito mais difícil. Isso porque o olho humano não é tão bom em medir facilmente as formas complexas em que uma moderna digitalização radiológica pode mostrar se um tumor pode estar crescendo, diminuindo ou mudando de forma.

Tecnologia melhor significa mais dados

Poucos anos atrás, Giles Maskell, radiologista e presidente do Royal College of Radiologists do Reino Unido, disse que uma digitalização CT típica poderia produzir 200 imagens. Agora, essa mesma digitalização pode gerar 2.000 imagens – produzindo uma riqueza de dados que não pode ser perceptível mesmo pelo olho humano.

“O mínimo detalhe excede em muito nossa capacidade de compreender tudo e transformá-lo realmente em algo significativo”, disse Maskell.

Simplificando, os radiologistas precisam de tecnologia para ajudá-los a acompanhar a tecnologia.

“Precisamos de ajuda para apresentar os dados de maneira que facilite para nós analisar esses números enormes de imagens”, disse Maskell.

Aqui é onde a equipe de Criminisi entra. A abordagem baseada em dados da equipe é focada em um projeto de pesquisa que visa a utilização de visão computacional e aprendizagem de máquina para aumentar o conhecimento dos radiologistas, dando-lhes as medições mais detalhadas e consistentes.

O sistema em que os pesquisadores estão trabalhando poderia eventualmente avaliar digitalizações 3D pixel por pixel para dizer ao radiologista exatamente quanto o tumor cresceu, diminuiu ou mudou de forma desde a última verificação.

ms6

Também pode fornecer informações sobre coisas como a densidade do tecido, para dar ao radiologista uma melhor percepção se é mais provável que seja um cisto ou um tumor. E poderia fornecer uma análise mais refinada da saúde das células em torno de um tumor.

“Fazer tudo isso pelo olho é praticamente impossível”, disse Criminisi.

O objetivo não é substituir o conhecimento dos radiologistas, mas sim permitir que eles façam seu trabalho melhor.

“Sempre vai haver a necessidade de interpretação humana”, disse Maskell. “Os computadores e a ciência da computação nos permitirão tomar melhores decisões.”

 

Allison Linn é redatora sênior na Microsoft.  Siga-a no Twitter.