Novo sistema de IA do MIT promete acelerar pesquisas clínicas e reduzir custos

Pesquisadores do MIT desenvolveram uma ferramenta inovadora baseada em inteligência artificial capaz de acelerar significativamente o processo de segmentação de imagens médicas, uma etapa crucial em pesquisas clínicas e tratamentos de saúde. O novo sistema, chamado MultiverSeg, foi projetado para facilitar a vida de cientistas e médicos ao reduzir o tempo gasto na análise de exames complexos, como tomografias e ressonâncias magnéticas. A novidade foi revelada pelo MIT News.

Por que a segmentação é tão importante?

A segmentação de imagens médicas consiste em marcar regiões de interesse, como o hipocampo em exames de cérebro, para acompanhar alterações causadas por doenças ou pelo envelhecimento. Tradicionalmente, essa tarefa é manual, lenta e exige dedicação extrema. Muitos pesquisadores conseguem segmentar apenas algumas imagens por dia, o que limita a velocidade e até a viabilidade de determinados estudos clínicos.

Como funciona o MultiverSeg

O diferencial do sistema criado pelos cientistas do MIT é a interação simples com o usuário. Com apenas alguns cliques, rabiscos ou caixas desenhadas, o pesquisador indica regiões relevantes na imagem. A IA, então, aprende com cada interação e passa a segmentar novos exames automaticamente, com cada vez menos necessidade de intervenção humana. Em muitos casos, após algumas imagens, o modelo já consegue realizar as previsões de forma autônoma e com alto grau de precisão.

Além disso, diferentemente de outros sistemas, o MultiverSeg não exige que o usuário tenha conhecimento em aprendizado de máquina nem acesso a grandes bases de dados já segmentadas. Isso significa que qualquer pesquisador pode aplicar o modelo em novas tarefas sem precisar treinar novamente a ferramenta ou investir em infraestrutura computacional cara.

Comparação com sistemas anteriores

Até hoje, existiam duas principais abordagens para essa tarefa: a segmentação interativa, em que o usuário precisa repetir o processo imagem por imagem, e os modelos específicos, que dependem de centenas de imagens previamente anotadas para treinar o sistema. O MultiverSeg une o melhor dos dois mundos: utiliza interações rápidas, mas também armazena exemplos em um conjunto de contexto que é usado para melhorar continuamente as previsões.

Nos testes realizados, o MultiverSeg superou ferramentas de ponta. Já na nona imagem, a ferramenta precisou de apenas dois cliques para gerar segmentações mais precisas do que modelos tradicionais desenvolvidos especificamente para aquela tarefa. Em exames como raios-X, bastam uma ou duas anotações para o sistema operar com alta eficiência.

Impacto para pesquisas e clínicas

Segundo Hallee Wong, doutoranda em engenharia elétrica e ciência da computação e autora principal do estudo, a expectativa é que a nova tecnologia possibilite pesquisas que antes eram inviáveis por falta de tempo ou recursos. “Nosso objetivo é permitir novos avanços científicos ao oferecer uma ferramenta eficiente que reduza a barreira do processo de segmentação”, afirmou.

A tecnologia também pode ter impacto direto em aplicações clínicas, como o planejamento de tratamentos de radioterapia, tornando o trabalho dos médicos mais rápido e confiável. O grupo pretende agora validar o sistema em ambientes reais com colaboradores da área da saúde e expandir a ferramenta para imagens biomédicas em 3D.

O estudo foi desenvolvido em colaboração com pesquisadores do MIT CSAIL, Harvard Medical School e Massachusetts General Hospital, com apoio da Quanta Computer, Inc., dos Institutos Nacionais de Saúde dos EUA e da Massachusetts Life Sciences Center.