Aplicações de Inteligência Artificial (IA) em Medicina Dentária - Deteção do cancro oral

Este número torna-se ainda mais trágico quando se considera que a taxa de sobrevivência do cancro oral é de 83% quando detetada nas suas fases iniciais. 

Infelizmente, apenas 29% dos casos são detetados precocemente. 

Além disso, detetar os primeiros sinais de cancro oral não é particularmente fácil. 

Lesões orais visíveis chamadas "doenças orais potencialmente malignas" (OPMDs) são um sinal forte de cancro e podem ser detetadas em exames orais rotineiros por um médico dentista. O problema é que este tipo de exame não ocorre com a frequência suficiente durante os check-ups dentários.

Se ao menos houvesse uma forma eficiente e rentável de automatizar a deteção de lesões malignas ou potencialmente malignas...

De momento, as tecnologias ML(Machine Learning) e CV (Computer Visison) não se desenvolveram o suficiente para nos ajudar a manter-nos a salvo do cancro oral. Mas com mais acesso a dados devidamente trabalhados, há um forte potencial para chegar lá.

De facto, vários utilizadores de V7 já estão a trabalhar arduamente na anotação de dados dentários e na construção de modelos para deteção de cancro oral.

Um estudo recente sobre "Deteção automatizada e Classificação de Lesões Orais Usando Deep Learning" utilizou duas abordagens de visão computacional baseadas em deep learning-basedpara classificar lesões orais.

Aplicou classificação de imagem com ResNet-101 e deteção de objetos com o R-CNN mais rápido a mais de 2.000 imagens com o objetivo de responder a duas perguntas:

1) As lesões estão presentes?

2) As lesões representam um risco de cancro?

Apesar de não ser perfeito, o sistema de IA produziu resultados promissores.

A classificação da imagem conseguiu uma precisão de 87% para detetar a presença de lesões orais e 78% de precisão para classificar as que precisavam de encaminhamento para o tratamento. A deteção de objetos foi um pouco pior, com apenas 41% de precisão a detetar lesões que representavam um risco de cancro.

No entanto, é um bom começo e estão a ser feitos mais progressos.

Um outro estudo de 2020 utilizou redes neurais e imagens microscópicas para detetar sinais de cancro oral.

Os investigadores compararam vários modelos de IA de última geração com uma abordagem de  transfer learning. Em seguida, compilaram e lançaram um conjunto de dados ampliados de imagens microscópicas de alta qualidade do cancro oral.

O resultado foi que a sua abordagem  transfer learning suscitou uma melhoria absoluta de 10-15% quando comparada com uma simples linha de base da Convolutional Neural Network l (CNN).

Enquanto a pesquisa e os recursos ainda não permitam a  deteção automatizada do cancro oral, está-se a ir na direção certa.