Novel Human Artificial Intelligence Hybrid Framework Pinpoints Thyroid Nodule Malignancy and Identifies Overlooked Second-Order Ultrasonographic Features

 Xiaohong Jia, Zehao Ma, Dexing Kong, Yaming Li, Hairong Hu, Ling Guan, Jiping Yan, Ruifang Zhang, Ying Gu, Xia Chen, Liying Shi, Xiaomao Luo, Qiaoying Li, Baoyan Bai, Xinhua Ye, Hong Zhai, Hua Zhang, Yijie Dong, Lei Xu, Jianqiao Zhou 

Cancers (Basel) 2022, 14(18):4440.

https://www.mdpi.com/2072-6694/14/18/4440 

A ultrassonografia é o exame de escolha na investigação de nódulos de tireoide, com a classificação TIRADS sendo a mais utilizada para estratificar o risco de malignidade, mas esta classificação inclui importante componente de subjetividade do especialista. O desenvolvimento de Convolutional Neural Networks (CNNs) permite aos radiologistas realizarem diagnóstico assistido por computador, mas o processo de decisão destes modelos é considerado opaco, sem possibilidade de seres humanos verificarem como foi chega à esta conclusão. 

Na tentativa de sanar este problema, os autores desenvolveram um modelo de classificação de nódulos por inteligência artificial, utilizando o método de Factorization Machine, com algumas modificações, para analisar interações de segunda ordem em características sonográficas. Os autores também propõe que a avaliação da inteligência artificial seja incluída como critério de pontuação em uma nova classificação TIRADS, com pesos recalculados baseados em um banco de dados de 3.000 nódulos para treinamento e validados externamente em outro banco de 500 nódulos. 

Os resultados apresentados demonstram que o uso de diferentes algoritmos de inteligência artificial melhora a acurácia diagnóstica de radiologistas e que, caso fosse recalculado o critério de pontuação do TIRADS para levar em consideração a análise por computador das imagens ecográficas, este seria o parâmetro de maior pontuação. Limitações citadas no artigo incluíram o fato de o modelo ter utilizado dados da população chinesa, que não necessariamente generalizaram para outras populações, além do da validação dos dados ter sido feita por radiologistas de referência, com possíveis resultados diferentes se a validação tivesse sido feita por radiologistas menos experientes. Pontos discutidos no Clube incluíram:

• O conflito de interesse dos autores, que patentearam o algoritmo;

• A improbabilidade de todos os radiologistas serem experientes, dado o caráter multicêntrico do estudo e a grande quantidade de imagens no banco de dados;

• A baixa ênfase dada aos critérios e particularidades do diagnóstico anátomo-patológico, que poderia ser uma fonte de viés no banco de dados de treinamento;

• A dificuldade de implementação de modelos semelhantes no Brasil, dado que há limitação de número de radiologistas e o algoritmo do artigo apenas fornece assistência ao diagnóstico.

Pílula do Clube: apesar de promissora, a tecnologia de diagnóstico por imagem assistida por IA ainda está fase inicial, e são necessários mais estudos, sobretudo com melhora de desfechos clínicos, antes da adoção destes métodos.

Discutido no Clube de Revista de 16/01/2023.