Pesquisa foi desenvolvida por time de pesquisadores da Nvidia; Esses ‘pseudo-exames’ podem ser usados para treinar algoritmos no futuro
Um dos grandes desafios do aprendizado de máquina (machine learning, em inglês) é o grande volume de dados que se necessita para treiná-lo. Para treinar um novo algoritmo é preciso uma grande pilha de informações meticulosamente categorizadas para que a tecnologia possa aprender por conta própria. Caso contrário, a solução em si pode não funcionar ou, se funcionar, entregar resultados enviesados. No caso da inteligência artificial com vocação para a área médica a questão se mostra ainda mais delicada. Se esses dados utilizados não forem representativos de todas as populações ou contextos, a solução pode se mostrar ineficiente.
Mas pesquisadores da Nvidia, em colaboração com a Mayo Clinic, o MGH & BWH Center for Clinical Data Science, acreditam que chegaram a uma solução para essa lacuna: ressonâncias sintéticas geradas por AI. O time de pesquisadores criou uma inteligência artificial especificamente desenhada para reproduzir varreduras cerebrais de pacientes que, na verdade, não são reais e são complementadas com uma ampla gama de tumores. Esses “pseudo-exames” podem ser usados para treinar algoritmos no futuro quando pesquisadores não tiverem dados reais para treinar os seus.
O estudo foi publicado nesta semana e explica o uso do chamado Generative Adversarial Networks(GANs, na sigla em inglês) para gerar tais algoritmos que, em resumo, conseguiriam “gerar” tumores. Isso é importante uma vez que GANs poderiam ajudar a expandir os bancos de dados que médicos e pesquisadores precisam trabalhar, especialmente, quando se trata particularmente de tumores cerebrais particularmente raros. Além disso, o sistema poderia oferecer uma solução para os desafios de privacidade que rodeiam o uso de dados de pacientes, uma vez que as imagens sintéticas não estão amarradas a pacientes específicos, é uma forma mais segura de lidar com dados fora dos limites de um hospital.
Para a pesquisa, o time usou um sistema Nvidia DGX com a estrutura de aprendizagem profunda PyTorch para treinar o GAN em dois conjuntos de dados do cérebro disponíveis publicamente – um com imagens de cérebros com doença de Alzheimer e o outro com imagens de cérebros com tumores.
Mas há outros desafios, explicam os pesquisadores. Uma vez que a biologia de um tumor não é inteiramente compreendida, pesquisadores não conseguem apenas criar uma imagem de um tumor do zero, o sistema ainda precisará de, pelo menos, uma imagem real de um tumor. Mas o objetivo final, explicam, é que o sistema ajude médicos a aprender mais sobre tumores cerebrais raros.
Fonte: IDG Now!
