Resenha
No artigo “Deep Learning Speeds MRI Scans”, o autor Paul Marks expõe que o desenvolvimento tecnológico e o progresso científico recentes abriram um mar de possibilidades para se explorar técnicas em exames de imagem, mais especificamente a partir dos anos 70, onde foi inventado o Exame de Ressonância Magnética, sigla em inglês MRI.
Em primeiro lugar, vale destacar, que a técnica de MRI trouxe uma vantagem em relação a suas predecessoras, como o Raio X, por ser menos radioativa. A ideia do MRI basicamente consiste em analisar o comportamento de ressonância dos átomos de hidrogênio na água e gordura dos tecidos corporais. Isso possibilitou identificar condições como: lesões, tumores e alterações de fluxo sanguíneo por todo o corpo, e, de forma mais segura ao ser humano.
Porém, desde a invenção desta técnica, surgiu-se a necessidade de combater um problema um tanto inconveniente ao seu respeito, isto é, o processo é demorado, e não bastasse isso, é desconfortável. Nesse sentido, para fazer com que um processo barulhento, muito apertado e estressante se tornasse mais tolerável, até mesmo por indivíduos mais sensíveis, como os claustrofóbicos, a ciência computacional trouxe uma solução promissora.
A partir de uma técnica desenvolvida junto a um especialista da New York University (NYU), constatou-se que quanto mais objetos detectores, em uma forma de ‘paralelização de imagem’, mais rápido se torna o processo. Isso porque desta forma, a imagem não é tratada como um conjunto de pixeis convencional, mas ela é construída a partir dos dados de frequência e onda obtidos, o que forma um outro conjunto de dados em imagem denominado k-space. Assim, o problema a princípio é inspecionar nesse conjunto, quais ângulos ou perspectivas podem ser ignorados, pois conforme esperado com o uso de mais detectores, surge a questão de redundância.
A solução que vem sendo trabalhada utiliza Aprendizado de Máquina, subconjunto da Inteligência Artificial (IA). Assim sendo, o processo de escolha para decidir qual dado pode ser dispensado fica a cargo de um algoritmo, o qual cumprindo bem sua função trará um grande avanço para agilizar diagnósticos baseado em MRI’s.
Junto com a NYU, a equipe de pesquisa do Facebook está desenvolvendo esta IA open source, a qual já demonstrou resultados. Foram publicados em 2020, no American Journal of Roentgenology, exames em qualidade de diagnóstico com quatro vezes mais rapidez. De acordo com os aprimoramentos no algoritmo, alguns exames de regiões do corpo chegaram a acelerar em dez vezes.
Exemplos de aplicações como esta, onde se vê a tecnologia impactando diretamente e de forma tão decisiva em áreas como a saúde são bastante animadores, até mesmo porque em algumas situações a diferença entre um amparo efetivo e a tragédia está em questão de minutos. Conforme mencionado, o projeto é open source e pode ser acessado no link:
https://github.com/facebookresearch/fastMRI/
Referências
Comentários