Perspectivas e limitações da IA no diagnóstico por imagem na veterinária

As aplicações da IA na área tem mostrado grande potencial no auxílio à análise de imagens médicas veterinárias

janeiro 23, 2025
15:21
Compartilhe esta publicação:

Sumário

O artigo "Artificial Intelligence in Veterinary Diagnostic Imaging: Perspectives and Limitations", publicado em agosto de 2024, aborda o uso da inteligência artificial (IA) na área de diagnóstico por imagem na veterinária, e destaca suas aplicações atuais, vantagens, desafios e limitações.

De acordo com o artigo, as aplicações da IA na área tem mostrado grande potencial no auxílio à análise de imagens médicas veterinárias como radiografias, ultrassonografias, tomografias computadorizadas (TC) e ressonâncias magnéticas (RM). A IA pode melhorar a precisão na detecção de condições como fraturas ósseas, doenças pulmonares, tumores e problemas cardíacos em animais.

Os autores também fazem uma análise sobre o efeito dos erros de diagnóstico por imagem na medicina humana, que são exaustivamente investigados. Confira o trecho a seguir (tradução livre):

"Na medicina humana, o “efeito de” erros de diagnóstico por imagem tem sido exaustivamente investigado, principalmente em termos do impacto potencial de tais erros nos pacientes e, finalmente, nas administrações hospitalares (Siewert et al., 2008 ; Yun et al., 2017a ). A supervisão envolvendo uma lesão em uma área anatômica negligenciada (frequentemente referida como ponto cego), falha na detecção de lesões devido ao uso impróprio das configurações de janela, sobreposição de lesões ou apresentação atípica de uma lesão são todos exemplos de fatores que podem levar a erros na interpretação em diagnóstico por imagem (Yun et al., 2017a ). Apesar dos avanços na experiência, conhecimento e tecnologia nas últimas décadas, a taxa de erro em diagnóstico por imagem permaneceu constante (por exemplo, <15% para estudos radiográficos torácicos e 16% para estudos tomográficos abdominais) (Yun et al., 2017b ). Várias estratégias para reduzir o erro humano - como usar imagens dinâmicas (por exemplo, tomográficas) em vez de estáticas (por exemplo, radiográficas) para mitigar os efeitos da fadiga, ou ter um segundo leitor lendo duas vezes as imagens - foram propostas (Degnan et al., 2019 ; Krupinski et al., 2012 ). A implantação de produtos baseados em IA para auxiliar radiologistas durante a aquisição e interpretação de imagens é recomendada por vários autores na literatura de medicina humana (Degnan et al., 2019 ; Hardy e Harvey, 2020 ). A prevalência de erros de interpretação na medicina veterinária não foi estudada tão extensivamente quanto na medicina humana ( Cohen et al., 2023 ; Lamb et al., 2007 ).A literatura sobre algoritmos DL aplicados no campo de diagnósticos de imagem veterinária é de uma quantidade relativamente limitada em comparação ao que está disponível na literatura médica humana. O desenvolvimento dessas tecnologias de fato atingiu níveis excelentes em todos os domínios de aplicação na medicina humana, facilitado por extensos bancos de dados e impulsionado pela necessidade de ferramentas avançadas para dar suporte aos radiologistas. Por outro lado, a literatura veterinária disponível ainda é bastante irregular, e apenas alguns estudos abrangem diferentes campos de aplicação. Os objetivos desta revisão são: avaliar o estado atual da arte da IA ​​em diagnóstico por imagem veterinário; fornecer ao leitor uma visão geral das possíveis direções futuras da IA ​​tanto na pesquisa quanto no mercado; e revisar a ética da IA ​​que todos os desenvolvedores e varejistas devem respeitar".

Além das muitas vantagens, há também os desafios e as limitações que precisam de atenção. Confira abaixo alguns pontos em destaque:

Vantagens do uso da IA:

  1. Aumento da precisão: A IA pode identificar padrões sutis nas imagens que poderiam passar despercebidos por profissionais humanos, ajudando no diagnóstico precoce de doenças.
  2. Eficiência: A análise automatizada das imagens pode acelerar o processo diagnóstico, permitindo que os veterinários tomem decisões mais rápidas e reduzam a sobrecarga de trabalho.
  3. Acessibilidade: Com o tempo, a IA pode democratizar o acesso a diagnósticos de alta qualidade, especialmente em regiões com menos recursos e profissionais especializados.
  4. Avanços tecnológicos: A IA utiliza técnicas de aprendizado de máquina, como redes neurais convolucionais (CNNs), para treinar modelos de diagnóstico a partir de grandes volumes de dados de imagem. Esses sistemas são alimentados com vastas quantidades de imagens veterinárias rotuladas, permitindo que eles aprendam e se aprimorem ao longo do tempo.

Limitações e desafios:

  1. Necessidade de grandes volumes de dados: A IA precisa de um grande banco de dados de imagens rotuladas para ser treinada adequadamente, o que pode ser um desafio no campo veterinário devido à menor quantidade de dados em comparação com a medicina humana.
  2. Falta de explicabilidade: Muitos modelos de IA, especialmente os baseados em aprendizado profundo, funcionam como “caixas-pretas”, ou seja, suas decisões nem sempre são transparentes, o que pode ser um obstáculo para sua aceitação clínica.
  3. Validação e confiabilidade: Embora os algoritmos de IA mostrem grande promissor, sua validação em cenários clínicos do mundo real ainda é um processo contínuo. A precisão e a confiança dos modelos precisam ser comprovadas antes de sua implementação em larga escala.
  4. Integração com o trabalho clínico: A IA deve ser vista como uma ferramenta complementar ao trabalho veterinário, não substituindo o julgamento clínico do profissional. A interação eficaz entre as máquinas e os médicos veterinários é essencial para o sucesso no diagnóstico.
  5. Futuro da IA na medicina veterinária: O estudo destaca que o futuro da IA em imagem veterinária é promissor, com potencial para transformar a prática diagnóstica. A IA pode ser utilizada como uma ferramenta poderosa para complementar o trabalho dos veterinários, desde que os desafios técnicos e éticos sejam superados, incluindo a garantia de que a tecnologia seja utilizada de forma responsável e que os dados dos animais sejam tratados com privacidade e segurança.

A inteligência artificial tem o potencial de revolucionar a imagem diagnóstica veterinária e proporcionar diagnósticos mais rápidos e precisos. No entanto, ainda há desafios significativos a serem enfrentados, como a necessidade de grandes bases de dados, validação clínica e transparência dos modelos. A colaboração entre médicos-veterinários e especialistas em IA será crucial para o sucesso e integração dessa tecnologia na prática veterinária.

Os autores reforçam ainda na conclusão do artigo que que a tecnologia não devem substituir a experiência e o conhecimento veterinário. Pelo contrário, os produtos de IA têm o potencial de capacitar os veterinários para proporcionarem maior valor de uma forma mais eficiente.

Redação VetShare

Fonte direta para o artigo: https://www.sciencedirect.com/science/article/pii/S0034528824001838?via%3Dihub


TAGS
estudo ∙ IA ∙ imagem

Resíduos de saúde: o que são?

Na medicina veterinária, entender a responsabilidade sobre a gestão de resíduos de saúde não é dever somente das grandes empresas, mas de todos os profissionais, incluindo aqueles que atendem em…

Perspectivas e limitações da IA no diagnóstico por imagem na veterinária

As aplicações da IA na área tem mostrado grande potencial no auxílio à análise de imagens médicas veterinárias

fevereiro 11, 2025
15:21

Leia a Vet&share sem limites.
Libere agora seu acesso

Redes sociais
vetshare@vetshare.com.br

Whatsapp: +55 (41) 99267-9797

@vetshare
Curitiba - PR
2025 Editora NURA © CNPJ: 53.121.655/0001-84