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