Mais informação, melhor decisão: a inteligência artificial que antecipa resultados da cirurgia ao cancro da mama

Não se trata do conto de fadas, mas o projeto CINDERELLA também faz magia quando o tema é o tratamento do cancro da mama. Arrancou há quatro anos, e a aproximar-se da reta final, há já um conjunto de ferramentas desenvolvidas para apoiar pacientes e médicos a antecipar, de forma realista, as alterações físicas decorrentes da cirurgia após tratamento do cancro da mama.

O projeto CINDERELLA reúne centros clínicos e de investigação de vários países, incluindo o INESC TEC, a Fundação Champalimaud e a Faculdade de Ciências da Universidade de Lisboa, em Portugal, bem como instituições em Itália, Alemanha, Polónia e Israel e usa modelos de inteligência artificial (IA) para prever e avaliar os resultados estéticos do tratamento do cancro da mama.

No INESC TEC, a equipa focou-se no desenvolvimento de diferentes modelos de IA capazes de permitir uma visualização mais realista do torso das pacientes, com base em imagens pré-cirúrgicas ou em exemplos de resultados estéticos de pacientes anteriores. Helena Montenegro, uma das investigadoras do INESC TEC envolvida no projeto, refere que ao longo destes quatro anos foram muitos os desafios: “estamos a trabalhar com imagens médicas altamente sensíveis, com grande variabilidade anatómica e com resultados cirúrgicos que dependem de múltiplos fatores clínicos, o que exigiu criar modelos robustos. O impacto deste trabalho vai além da tecnologia; tem impacto na autoestima, na qualidade de vida e na recuperação emocional das pacientes.”

Um dos modelos criados recorre a técnicas avançadas de aprendizagem profunda, incluindo redes generativas adversariais e arquiteturas modernas de visão computacional, permitindo criar simulações personalizadas e realistas. O objetivo é gerar, a partir de uma imagem pré-cirúrgica do torso da paciente, uma previsão visual de como o corpo poderá ficar após a cirurgia.

Outra vertente da investigação desenvolvida no INESC TEC baseia-se na identificação automática de pacientes anteriores com características corporais semelhantes, cujos resultados pós-cirúrgicos podem servir de referência. Estes modelos analisam múltiplas características visuais e estruturais para encontrar exemplos clínicos comparáveis, permitindo que a paciente visualize resultados reais obtidos em casos semelhantes ao seu.

Para aumentar o realismo das previsões, a equipa desenvolveu ainda métodos de modelação tridimensional do torso, permitindo uma visualização mais imersiva e detalhada das alterações. “A reconstrução 3D melhora a perceção espacial e contribui para uma compreensão mais precisa das possíveis transformações físicas. Estas soluções assentam também em modelos de deteção automática de contornos e segmentação, que permitem identificar e delimitar as estruturas anatómicas relevantes nas imagens clínicas. Estes modelos de segmentação são fundamentais para garantir precisão e consistência nas etapas seguintes de previsão e avaliação”, explica a investigadora.

Para além da previsão visual, foi ainda desenvolvido modelo de linguagem para avaliação estética, que ajuda a sistematizar e interpretar descrições clínicas e critérios subjetivos de avaliação estética, contribuindo para uma avaliação mais estruturada e consistente dos resultados.

Para facilitar a partilha de resultados com profissionais de saúde, foi desenvolvida a plataforma BreLoAI, uma aplicação escalável que permite apoiar a anotação, análise e visualização de imagens clínicas, funcionando como ponte entre investigadores e clínicos.

“A equipa do CINDERELLA tem procurado analisar ativamente o estado da arte em métodos de previsão e avaliação estética em cirurgia, não apenas no contexto do cancro da mama, mas também noutras áreas da cirurgia reconstrutiva e plástica. A IA pode assumir um papel central na humanização da decisão médica, colocando a tecnologia ao serviço de escolhas mais informadas e centradas na paciente”, conclui Helena Montenegro.

Os resultados destes trabalhos de investigação foram apresentados em várias conferências, incluindo em workshops das conferências de topo, tais como MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention) e ECCV (European Conference on Computer Vision), nas conferências EMBC (International Conference of the IEEE Engineering in Medicine and Biology Society) e ISBI (IEEE International Symposium on Biomedical Imaging).