APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA HEMATOLOGIA

Leonardo Pinho Do Amaral; Francisco Douglas Oliveira Matias; Kaique Aguiar Souza; Bruna da Silva Souza

Todos os Trabalhos

Título do Trabalho

Autores

Leonardo Pinho Do Amaral
Francisco Douglas Oliveira Matias
Kaique Aguiar Souza
Bruna da Silva Souza

Modalidade

Resumo Expandido

Área temática

Hematologia e Hemoterapia

País da Publicação

Brasil

Idioma da Publicação

Português

Página do Trabalho

https://www.even3.com.br/anais/iv-congresso-de-biomedicina-da-regiao-nordeste-i-jornada-de-hematologia-e-hemoterapia-do-nordeste-344269/746229-aplicacao-de-inteligencia-artificial-na-hematologia

ISBN

978-65-272-0871-6

Palavras-Chave

Inteligência Artificial, Hematologia, Diagnóstico

Resumo

APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA HEMATOLOGIA Leonardo Pinho do Amaral ¹, Francisco Douglas Oliveira Matias ², Kaique Aguiar Souza ³, Bruna da Silva Souza 4. ¹ Discente - Graduando em Biomedicina pela Universidade Federal do Delta do Parnaíba (UFDPar), Parnaíba, Piauí. E-mail: leonardopinho@ufpi.edu.br ² Discente - Graduando em Biomedicina pela Universidade Federal do Delta do Parnaíba (UFDPar), Parnaíba, Piauí. E-mail: douglasmatias@ufpi.edu.br ³ Discente - Graduando em Biomedicina pela Universidade Federal do Delta do Parnaíba (UFDPar), Parnaíba, Piauí. E-mail: kaiqueaguiar255@ufpi.edu.br 4 Docente - Professora do curso de Biomedicina na Universidade Federal do Delta do Parnaíba (UFDPar), Parnaíba, Piauí. E-mail: profabssouza@gmail.com. RESUMO A Inteligência Artificial (IA) se consagra como um grande marco na humanidade e sua utilização pode levar a melhoria de uma variedade de serviços e soluções, principalmente na área da saúde. Este trabalho tem por objetivo realizar uma análise do estado da arte acerca da aplicação de IA na Hematologia. Foi realizada uma busca em bases de dados utilizando descritores selecionados para o assunto, serão posteriormente aplicados critérios de inclusão e exclusão e os trabalhos selecionados serão lidos por completo para responder alguns questionamentos. Portanto, com a realização desse trabalho, o conhecimento sobre o poder da IA nas Análises Clínicas, principalmente na Hematologia, poderá ser difundido, trazendo assim à discussão as suas dificuldades e limitações, dentre outros aspectos. Palavras-chave: Inteligência Artificial. Hematologia. Diagnóstico. 1. INTRODUÇÃO A utilização da Inteligência Artificial (IA) na atualidade se configura mais presente na ciência da computação, no entanto, já é possível observar aplicações na área da saúde por meio de alguns equipamentos e softwares que estão disponíveis tanto para a medicina, como também para as Análises Clínicas. No entanto, a IA configura-se com grande potencial de expansão para as mais diversas áreas, economizando recursos e garantindo o acesso a um público diverso. À medida que a necessidade de assistência médica aumenta, se faz necessário a modernização da forma de atender e de analisar os resultados laboratoriais, permitindo que os tratamentos também evoluam e se modernizam. As pesquisas no ramo da implantação de formas de IA também aumentaram e permitem uma ampla utilização de métodos já conhecidos em questões de saúde que perduram por muito tempo. No entanto, o uso de Inteligência Artificial apresenta grandes desafios para o desenvolvimento de sistemas que se baseiam nas decisões humanas, os que existem atualmente estão baseados em modelos simbólicos que classificam doenças e fatores ligados ao paciente e manifestações clínicas. Para Zani (2005) a percepção da usabilidade de tecnologias de inteligência artificial no diagnóstico foi imediata. A aplicabilidade da IA passa por um reconhecimento de padrões a partir, por exemplo, de exames de imagens ou no monitoramento de glaucoma, análise microscópica de urina, além de enfermidades cardiopulmonares. Sabe-se que sistemas que utilizam aprendizado de máquina na saúde são utilizados para analisar imagens e investigar tumores com base em laudos de anatomia patológica (Marr, 2016). Na Faculdade de Saúde Pública da Universidade de São Paulo (USP) a IA é utilizada no diagnóstico de dengue, zika e chikungunya. Esses sistemas foram criados para conhecer padrões e oferecer sugestões na tomada de decisão médica (Nobeschi, 2016). Os sistemas de IA apresentam grande potencial em reduzir custos e garantem uma economia relevante aos sistemas de saúde, pois permite que algumas doenças sejam detectadas precocemente (Ghosh, 2018). Segundo Ghosh (2018), pesquisadores no Reino Unido, criaram uma inteligência artificial capaz de diagnosticar doenças a partir de exames para doenças cardíacas e câncer de pulmão. Por se tratar de uma tecnologia sobre problemas no coração, pode levar ao sistema público de saúde britânico reduzir em até 50% os gastos anuais com o serviço de análise de patologia. Partindo do pressuposto que a Inteligência Artificial tem capacidade de ser aplicada em diversas áreas, e que as aplicações na área da saúde continuam restritas aos grandes polos de tecnologia mundial. Desse modo, o presente trabalho se mostra como um aliado das inovações em saúde, que são importantes e atuais, demonstrando a capacidade de utilização de novas tecnologias. 2. METODOLOGIA Trata-se de uma revisão narrativa da literatura sobre “A utilização da Inteligência Artificial aplicada à Hematologia”, desenvolvida no período de agosto a outubro de 2023, com o intuito de obter informações sobre e o que existe de inovação acerca da temática. A revisão narrativa foi escolhida por se tratar de um trabalho amplo, e permite descrever e discutir um determinado assunto do ponto de vista teórico e contextual. Apresenta papel importante na educação continuada e permite que o leitor adquira e atualize os conhecimentos (Rother, 2007). Para a busca de dados da produção científica, foi realizada uma pesquisa com os seguintes Descritores em Ciência da Saúde (DeCS): Doenças Hematológicas, Hematologia e Inteligência Artificial. Foram utilizadas as seguintes bases de dados: Biblioteca Virtual em Saúde (BVS), Web of Science e Embase. Os trabalhos foram selecionados por meio dos seguintes critérios de inclusão: artigos científicos que após leitura de título e resumo forem relevantes ao tema, que tenham sido publicados entre os anos de 2019 e 2023. Os critérios de exclusão foram: revisões narrativas da literatura, artigos que não estiveram alinhados à temática proposta, trabalhos duplicados em que o resumo não estiver disponível. Após a seleção inicial, os trabalhos foram lidos de forma completa para confirmação se preenchem os critérios de inclusão e exclusão propostos nesta revisão. Por conseguinte, foi realizada uma análise da qualidade dos estudos quanto ao tipo de estudo, ano de publicação e local de produção. Ademais, houve o comprometimento em citar os autores e revistas utilizados na revisão narrativa, respeitando as normas brasileiras que dispõe sobre os elementos incluídos e que orientam a confecção das referências. Os dados coletados serão utilizados com finalidade exclusivamente científica. 3. RESULTADOS E DISCUSSÃO As buscas retornaram um total de 20 trabalhos inicialmente, após a leitura de títulos e resumos e aplicação dos critérios de inclusão e exclusão definidos anteriormente foram selecionadas um total de 6 produções. Os trabalhos selecionados foram lidos por completo com o objetivo de produzir a revisão. Os achados demonstram uma nova forma de utilizar formas e tipos de Inteligência Artificial na área de Hematologia e Análises Clínicas como um todo, apresentando diferentes aplicações no Brasil e no mundo. Além disso, os trabalhos demonstram os principais mecanismos de funcionamentos desses sistemas, tecendo comparações entre os sistemas convencionais, inclusive com análise estatística e contribuição de diversos profissionais capacitados na área. Diante os achados, Gasparin et al., 2023 em seus estudos utilizaram o Sistema Hilab, composto por um aparelho de apenas 500g com registo na ANVISA (Agência Nacional de Vigilância Sanitária), com capacidade de realizar a técnica de microscopia óptica. O aparelho permite operação offline e seu sistema realiza a captura de imagens, apresentando tecnologia avançada e fontes e luz multiespectral, permitindo ensaios diagnósticos diversos. O modelo de linguagem utilizado por Gasparin et al., 2023 se configura como uma rede neural artificial que permite a classificação de objetos, de acordo com figuras já rotuladas por especialistas e que passa por constante atualização. Os níveis de hemoglobina são detectados por meio de cromatografia e analisados por inteligência artificial com técnicas de visão computacional. Com os níveis de hemácias e hemoglobina o equipamento determina o hematócrito, volume corpuscular médio e a hemoglobina corpuscular média. Com a realização de análise estatística utilizando testes de normalidade de Shapiro-Wilk, teste t de Student e outros foi possível estabelecer que a diferença entre o método convencionais (Sysmex XE) e o Sistema Hilab não foi estatisticamente diferente, e todos os analitos utilizados apresentaram grande taxa de acurácia, especificidade, sensibilidade e acurácia equilibrada. Em relação à comparação de células imaturas e alterações morfológicas em microscópio óptico e as soluções Hilab Lens, todas as alterações apresentaram similaridade entre as duas técnicas (Gasparin et al., 2023). Portanto, fica evidente que valores de VCM, HCM e CHCM apresentaram valores satisfatórios, a coleta em que ocorreu em capilar, que é menos dolorosa e mais cômoda em pacientes oncológicos e hospitalizados (Gasparin et al., 2023). O equipamento se mostrou capaz de melhorar a experiência do paciente nos procedimentos de teste de Hemograma. Além disso, em laboratórios de grande porte, os sistemas automatizados de análise morfológica por meio de inteligência artificial podem ser um reforço tendo em vista que a maioria dos exames não passa por análise morfológica feita por um hematologista treinado. Em seus achados Matek et al., 2021, prova a capacidade de utilização de redes neurais também na análise de medula óssea, ressaltando a importância de que essas redes melhorem seus achados de acordo com a quantidade de dados que ela analisa. Os mecanismos desenvolvidos estão alinhados com experiências em outras áreas de imagem médicas. Para Wu et al., 2020, os pontos fortes de um sistema que utiliza Inteligência Artificial para análise de medula óssea, estão relacionados com o desempenho de nível humano, podendo ajudar a hospitais que não dispõem de hematologistas. Com a realização de um estudo comparativo, experimental e estatístico, Haider et al., 2022, pode-se observar que a abordagem utilizada se configura como uma nova prática que fortalece a pesquisa de diferentes tipos de leucemias. Além disso, a informação de histórico clínico e exame físico atrelado ao sistema de inteligência são atributos valiosos para esse tipo de sistema. Então, abordagens de Inteligência artificial são capazes de diferenciar a linhagem da leucemia (mieloide ou linfoide) como também preditivos para o tipo (aguda, crônica ou outro) e alguns distúrbios relacionados. 4. CONSIDERAÇÕES FINAIS Mediante ao exposto, foi possível observar como os sistemas que utilizam Inteligência Artificial se mostram ferramentas poderosas na democratização do acesso ao diagnóstico de forma rápida, segura e que poderá chegar a lugares em que exames, como hemograma, precisa de dias para que o resultado chegue ao paciente. Apesar de ser necessários mais estudos na área, é possível observar que a revolução tecnológica chegou na área de Hematologia e Análises Clínicas como um todo, ficando necessária atualização profissional e estudos por parte da ANVISA, para validação desses sistemas, além disso, se faz necessário que os profissionais que são referência na área atuem junto com as empresas e pesquisadores no intuito de surgir um sistema robusto e completo na área e que tenha fácil atualização e calibração, para que facilitar o trabalho dos profissionais da área e dos pacientes atendidos. REFERÊNCIAS BARBOSA, A. C. M. O que é a superinteligência artificial? Disponível em:https://forbes.com.br/forbes-tech/2023/06/o-que-e-a-superinteligencia-artificial/. Acesso em: 28 jun. 2023. BASE.DIGITAL. Mielograma - Biópsia de Medula Óssea. Disponível em: https://grupooncoclinicas.com/servicos/mielograma-biopsia-de-medula-ossea. Acesso em: 27 jun. 2023. BRANSKY, A. et al. A novel approach to hematology testing at the Point of care. The journal of applied laboratory medicine, v. 6, n. 2, p. 532–542, 2021. CASADO, A. Inteligência Artificial Limitada (Narrow AI): o que é? Disponível em: https://allancasado.medium.com/intelig%C3%AAncia-artificial-limitada-narrow-ai-o-que-%C3%A9-c251c13108d6. Acesso em: 27 jun. 2023. CRBM-5. Hematologia: decodificando o sangue. Disponível em:https://crbm5.gov.br/hematologia-decodificando-o-sangue/. Acesso em: 28 jun. 2023. GASPARIN, A. T. et al. Hilab System device in an oncological hospital: A new clinical approach for point of care CBC test, supported by the internet of things and machine learning. Diagnostics (Basel, Switzerland), v. 13, n. 10, p. 1695, 2023. GODOY, F. O que é a “Artificial General Intelligence”? Veja vantagens e ameaças |InvestNews. Disponível em: https://investnews.com.br/colunistas/metanews/o- que-e-a-artificial-general-intelligence-veja-vantagens-e-ameacas/. Acesso em: 27 jun. 2023. GROTTO, H. Z. W. O hemograma: importância para a interpretação da biópsia. Revista brasileira de hematologia e hemoterapia, v. 31, n. 3, p. 178–182, 2009. GUARIZI, Débora Deflim; OLIVEIRA, Eliane Vendramini. Estudo da Inteligência Artificial aplicada na área da saúde. In: Colloquium Exactarum. 2014. p. 26-37. HAIDER, R. Z. et al. Beyond the in-practice CBC: The research CBC parameters-driven machine learning predictive modeling for early differentiation among leukemias. Diagnostics (Basel, Switzerland), v. 12, n. 1, p. 138, 2022. LI, N. et al. An AI-aided diagnostic framework for hematologic neoplasms based on morphologic features and medical expertise. Laboratory investigation; a journal of technical methods and pathology, v. 103, n. 4, p. 100055, 2023. LOBO, L. C. Inteligência artificial, o Futuro da Medicina e a Educação Médica. Revista brasileira de educação Médica, v. 42, n. 3, p. 3–8, 2018. MATEK, C. et al. Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set. Blood, v. 138, n. 20, p. 1917–1927, 2021. MEE, G. Conheça a Inteligência Artificial Geral, que promete ampliar capacidades humanas. Disponível em: https://exame.com/future-of-money/conheca-a-intelige ncia-artificial-geral-que-promete-ampliar-capacidades-humanas/. Acesso em: 27 jun. 2023. ROSENFELD, Ricardo. Hemograma. Jornal Brasileiro de Patologia e MedicinaLaboratorial, v. 48, p. 244-244, 2012. RUSSELL, S.; NORVIG, P. Inteligência artificial. Tradução: Regina Célia Simille. Rio de Janeiro: Elsevier, 2013. WU, Y.-Y. et al. A hematologist-level deep learning algorithm (BMSNet) for assessing the morphologies of single nuclear balls in bone marrow smears: Algorithm development. JMIR medical informatics, v. 8, n. 4, p. e15963, 2020.

Título do Evento: IV CONGRESSO DE BIOMEDICINA DA REGIÃO NORDESTE I JORNADA DE HEMATOLOGIA E HEMOTERAPIA DO NORDESTE
Cidade do Evento: Fortaleza
Título dos Anais do Evento: Anais do Congresso de Biomedicina da Região Nordeste - Quarta Edição
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

AMARAL, Leonardo Pinho Do et al.. APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA HEMATOLOGIA.. In: Anais do Congresso de Biomedicina da Região Nordeste - Quarta Edição. Anais...Fortaleza (CE) Fábrica de Negócios, 2023. Disponível em: https//www.even3.com.br/anais/iv-congresso-de-biomedicina-da-regiao-nordeste-i-jornada-de-hematologia-e-hemoterapia-do-nordeste-344269/746229-APLICACAO-DE-INTELIGENCIA-ARTIFICIAL-NA-HEMATOLOGIA. Acesso em: 18/05/2025