Pesquisadores da Johns Hopkins criam tumores artificiais para ajudar a IA a detectar câncer em estágio inicial
A equipe liderada por Hopkins demonstrou que um modelo de IA treinado exclusivamente em dados de tumores sintéticos funciona tão bem quanto modelos treinados em tumores reais
Uma equipe de pesquisa liderada pela Universidade Johns Hopkins projetou um método para gerar enormes conjuntos de dados de tumores hepáticos artificiais e anotados automaticamente em tomografias computadorizadas, permitindo que modelos de inteligência artificial sejam treinados para identificar com precisão tumores reais sem ajuda humana.
Liderada por Alan Yuille, professor ilustre de Ciência Cognitiva e Ciência da Computação da Bloomberg e diretor do grupo de Cognição, Visão e Aprendizagem Computacional, a equipe apresentará sua pesquisa na Conferência sobre Visão Computacional e Reconhecimento de Padrões do próximo mês.
O trabalho da equipa poderá desempenhar um papel importante na resolução da escassez de dados de alta qualidade necessários para treinar algoritmos de IA para detectar o cancro. Esta escassez decorre do desafiante processo de identificação de tumores em exames médicos, que pode ser extremamente demorado, uma vez que muitas vezes depende de relatórios patológicos e confirmações de biópsias. Por exemplo, existem apenas cerca de 200 tomografias computadorizadas disponíveis publicamente com tumores hepáticos anotados – uma quantidade minúscula para treinar e testar modelos de IA para detectar câncer em estágio inicial.
Colaborando com radiologistas, a equipe desenvolveu um método de quatro etapas para criar tumores sintéticos realistas. Primeiro, escolheram locais para os tumores artificiais que evitassem colisões com os vasos sanguíneos circundantes. Em seguida, eles adicionaram padrões aleatórios de “ruído” para que pudessem gerar as texturas irregulares encontradas em tumores reais e geraram formas que refletiam os contornos variados dos tumores reais. Por último, eles simularam a tendência dos tumores de empurrar o ambiente ao seu redor, o que muda sua aparência. Os pesquisadores dizem que os tumores sintéticos resultantes são hiper-realistas e passaram no Teste Visual de Turing – isto é, até mesmo os profissionais médicos costumam confundi-los com tumores reais em um exame visual.
A equipe então treinou um modelo de IA usando apenas esses tumores sintéticos. O modelo resultante supera significativamente abordagens anteriores semelhantes e pode alcançar desempenho comparável aos modelos de IA treinados em tumores reais, dizem eles.
“Nosso método é empolgante porque, até o momento, nenhum trabalho existente utilizando apenas tumores sintéticos alcançou um desempenho semelhante ou mesmo comparável ao da IA treinada em tumores reais”, disse o membro da equipe Qixin Hu, pesquisador da Universidade de Ciência e Tecnologia de Huazhong. “Além disso, nosso método pode gerar automaticamente numerosos exemplos de tumores sintéticos pequenos ou mesmo minúsculos, o que tem o potencial de melhorar a taxa de sucesso da detecção de tumores com tecnologia de IA. A detecção de tumores pequenos é fundamental para identificar os estágios iniciais do câncer.”
![figura 1](https://www.myscience.org/news/2024/fake_tumors_real_results-2024-jhu/image1.jpg)
Segundo Yuille, a abordagem da equipe também pode ser usada para gerar conjuntos de dados e treinar modelos para identificar câncer em outros órgãos que atualmente sofrem com a falta de dados anotados sobre tumores. A equipe está atualmente investigando técnicas avançadas de processamento de imagens para gerar tumores sintéticos no fígado, pâncreas e rins, mas espera expandir também para outras áreas do corpo.
“O objetivo final deste projeto é sintetizar todos os tipos de anormalidades – incluindo tumores – no corpo humano para serem usadas no desenvolvimento de IA, para que os radiologistas não tenham que gastar seu valioso tempo realizando anotações manuais”, diz Hu. “Este estudo dá um passo significativo em direção a esse objetivo.”
Outros pesquisadores da equipe do grupo de Yuille incluem os estudantes de doutorado da Universidade Johns Hopkins, Yixiong Chen, Junfei Xiao, Jieneng Chen e Chen Wei, bem como o cientista assistente de pesquisa Zongwei Zhou. Eles são acompanhados nesta pesquisa por Qi Chen e Zhiwei Xiong, da Universidade de Ciência e Tecnologia da China, Shuwen Sun, do Primeiro Hospital Afiliado da Universidade Médica de Nanjing, Xiaoxi Chen, da Universidade de Illinois Urbana-Champaign, e Haorui Song, da Universidade de Columbia. .
O conjunto de dados da equipe e o código correspondente estão disponíveis para uso acadêmico, e Yuille compartilhou um vídeo descrevendo a pesquisa da equipe.
Saúde, Ciência+Tecnologia
engenharia biomédica , inteligência artificial , escola de badejo