Quibim: a inteligência artificial que está a revolucionar a radiómica atual

Uma nova forma de interpretar as imagens médicas

As biópsias e ressonâncias magnéticas permitem identificar e avaliar tumores, mas apresentam limitações, já que as biópsias apenas analisam uma pequena parte do tecido afetado, e a interpretação das imagens médicas pode ser subjetiva e variável entre especialistas.

A radiómica permite extrair informação detalhada das imagens médicas mediante a análise de texturas, formas e padrões que não são visíveis a olho nu. A partir destes dados, a Quibim utiliza inteligência artificial para desenvolver modelos que ajudam a prever a evolução da doença, melhorar a seleção de tratamentos e oferecer diagnósticos mais precisos.

Ao integrar deep learning, a tecnologia da Quibim otimiza a deteção de anomalias e facilita um acompanhamento mais detalhado dos pacientes, reduzindo a variabilidade na interpretação de imagens e melhorando a reprodutibilidade dos resultados.

Benefícios-chave da IA da Quibim na prática clínica

    Optimização do diagnóstico

Extrai informação-chave de imagens médicas com maior precisão.

  Detecção precoce

Identifica padrões invisíveis ao olho humano.

  Personalização do tratamento

Desenvolve modelos preditivos para otimizar a seleção de terapias.

  Seguimento clínico preciso

Permite monitorizar a evolução da doença em tempo real.

  Padronização e reprodutibilidade

Reduz a variabilidade na interpretação de imagens entre diferentes scanners e protocolos.

A radiómica abre a porta a uma forma mais eficaz de abordar e tratar o cancro

As biópsias e outros métodos de diagnóstico complementares como as ressonâncias magnéticas são ferramentas essenciais no diagnóstico e prognóstico de pacientes oncológicos. No entanto, apresentam certas limitações quanto à sua precisão e eficácia.

Geralmente, proporcionam informação limitada a uma pequena parte do tecido afetado e, em muitos outros casos, não conseguem capturar a complexidade e diversidade do tumor na sua totalidade. É neste ponto que a radiómica entra em jogo.

Esta tecnologia avançada permite extrair dados quantitativos de imagens médicas mediante a análise detalhada de texturas, formas e outros padrões invisíveis ao olho humano. Através deste processo, obtêm-se as denominadas características radiómicas, essenciais para a avaliação clínica e o desenvolvimento de modelos preditivos.

Estas características contêm informação crucial sobre diferentes aspetos-chave da doença que, combinadas com outros dados clínicos, servem para desenvolver modelos preditivos orientados para conhecer a evolução ou progressão da patologia e avaliar a eficácia dos tratamentos.

Através de um sofisticado processamento de imagens, a radiómica consegue extrair informação que, de outra forma, permaneceria oculta

A tecnologia radiómica parte da premissa de que as imagens médicas transmitem muito mais informação do que a que pode obter-se através da interpretação clínica ou radiológica tradicional.

Para maximizar a informação extraída das imagens médicas, a Radiómica segue um fluxo de trabalho estruturado em cinco etapas. O seu objetivo é preservar os dados clínicos-chave para identificar biomarcadores de imagem com precisão e desenvolver modelos preditivos personalizados.

    Aquisição e harmonização de imagens 

As imagens médicas são harmonizadas e normalizadas para garantir a sua qualidade e consistência, reduzindo a variabilidade entre diferentes dispositivos e protocolos.

  Segmentação tumoral 

Posteriormente, define-se a região de interesse (ROI) da qual se desejam extrair essas características. Esta segmentação pode abranger tumores completos, sub-regiões ou zonas peritumorais. Pode realizar-se manualmente ou mediante algoritmos avançados, como redes neuronais convolucionais (CNN), que melhoram a precisão e reduzem a variabilidade.

  Extração de características radiómicas

Os modelos radiómicos extraem centenas de características quantitativas da região segmentada, identificando questões-chave como a textura, forma ou intensidade. Obtêm-se centenas de parâmetros quantitativos sobre textura, forma e intensidade.

  Desenvolvimento de modelos preditivos 

As características radiómicas obtidas servem de base para realizar modelos preditivos, muito úteis para a avaliação prognóstica ou a seleção de tratamentos.

  Validação e aplicação clínica 

Utilizando técnicas de validação cruzada, garante-se que o modelo desenvolvido realize previsões fiáveis, em atenção às características individuais de cada paciente. A integração de radiómica com IA melhora o diagnóstico e a personalização de tratamentos.

À margem da sua demonstrada eficácia, a radiómica atual enfrenta importantes desafios

Apesar do grande avanço que representa a Radiómica na interpretação de imagens médicas, a sua aplicação generalizada enfrenta certos obstáculos, especialmente no âmbito da ressonância magnética (RM), fundamental em oncologia.

Frequentemente, as imagens obtidas por RM mostram uma qualidade de imagem heterogénea devido ao emprego de diferentes protocolos e scanners para a sua obtenção. Tudo isto dificulta:

• Extração de características radiómicas.
• Reprodutibilidade de biomarcadores de imagem.
• Criação de modelos preditivos fiáveis.
• Elaboração de estudos multicêntricos ou a longo prazo.

Superar estes desafios requer o emprego de tecnologias mais avançadas que permitam gerir estas variações de maneira eficaz, sem dar lugar a erros na correta extração ou interpretação de dados.

Com este objetivo, a Quibim desenvolveu ferramentas baseadas em inteligência artificial para estandardizar as variações na qualidade de imagem.

A IA do software da Quibim supõe um salto qualitativo no campo da radiómica atual

A Quibim situa-se como empresa líder no campo da radiómica. O Dr. Ángel Alberich-Bayarri — doutor em Engenharia Biomédica, Co-Fundador da Quibim e atualmente CEO da empresa valenciana —, juntamente com a sua equipa, iniciou este projeto no ano de 2012 e, desde o princípio, já se destacaram pelas suas soluções inovadoras no setor.

Atualmente, a Quibim lidera a transformação da radiómica mediante a integração de inteligência artificial e deep learning, desenvolvendo soluções inovadoras que otimizam a interpretação de imagens médicas.

O seu software avançado não só identifica padrões ocultos em imagens clínicas, como também harmoniza as variações em qualidade de imagem entre distintos scanners e protocolos, melhorando a reprodutibilidade e precisão dos biomarcadores radiómicos. Isto representa um avanço significativo em relação à radiómica tradicional, permitindo uma estratificação mais precisa dos pacientes e facilitando a personalização dos tratamentos.

A Quibim emprega deep learning para estandardizar a qualidade das imagens e obter resultados mais precisos

O deep learning, ou aprendizagem profunda, é um subcampo da inteligência artificial que emprega redes neuronais artificiais para processar grandes volumes de dados e extrair padrões complexos de forma automatizada. A sua capacidade de autoaprendizagem permite melhorar continuamente o reconhecimento e análise de informação sem intervenção manual explícita.

O software da Quibim incorpora este tipo de algoritmos que geram, aprendem e corrigem todas aquelas variações de imagem que podem afetar o processo de extração de dados e obtenção de resultados fiáveis.

Assim é como a inteligência artificial da Quibim supera as limitações da radiómica tradicional mediante uma metodologia avançada que harmoniza e otimiza a qualidade das imagens médicas:

• Criação de um grupo de referência homogéneo:

A IA seleciona um conjunto de imagens de alta qualidade que servem como modelo para a harmonização. Estas imagens atuam como referência para estandardizar o resto dos estudos, minimizando as variações devidas a diferenças em scanners, protocolos e condições de aquisição.

• Geração sintética de variações:

A partir das imagens de referência, o sistema gera múltiplas cópias sintéticas com variações controladas de contraste e intensidade. Este processo permite que a inteligência artificial se exponha a diferentes cenários e aprenda a corrigir as diferenças entre imagens.

• Treino mediante Redes Neuronais Convolucionais (CNN):

Utilizando as variações sintéticas, treina uma rede neuronal avançada que é capaz de identificar e ajustar automaticamente as imagens, eliminando inconsistências e estandardizando os dados de maneira precisa.

Deteção precoce, melhoria do diagnóstico e modelos preditivos: os benefícios-chave da IA da Quibim

A integração de radiómica com a inteligência artificial avançada da Quibim otimiza a interpretação e a análise de imagens médicas, proporcionando uma compreensão mais profunda das doenças. Esta tecnologia facilita a tomada de decisões clínicas baseadas em dados, melhora a precisão do diagnóstico e permite uma personalização mais efetiva dos tratamentos, aumentando a sua eficácia e otimizando o prognóstico dos pacientes.

• Otimização do diagnóstico em radiologia

Os algoritmos da Quibim melhoram a qualidade das imagens médicas, proporcionando aos radiologistas visualizações mais claras e precisas. Isto facilita a interpretação, otimiza a elaboração de relatórios e reduz a variabilidade no diagnóstico. Além disso, a IA automatiza a segmentação de órgãos e a deteção de lesões, realçando áreas de interesse de maneira precisa e eficiente, o que permite uma avaliação mais rápida e objetiva.

• Intervenção precoce

Ao identificar alterações subtis que podem passar despercebidas com os métodos tradicionais, a IA radiómica pode detetar os primeiros indícios de progressão da doença nas suas etapas iniciais. Isto permite aos profissionais de saúde intervir de maneira oportuna, melhorando o prognóstico do paciente.

• Melhoria do diagnóstico

As análises radiómicas levadas a cabo por esta IA avaliam quantitativamente a distribuição espacial das intensidades dos píxeis individuais das imagens e as suas inter-relações. Desta forma, podem extrair-se traços característicos da doença e identificar a heterogeneidade dos tecidos, oferecendo um diagnóstico muito mais certeiro e preciso.

• Monitorização do tratamento

Graças à sua capacidade avançada de análise e processamento de dados, o software permite monitorizar em tempo real a resposta do paciente a um tratamento específico. Isto ajuda os profissionais de saúde a ajustar as estratégias terapêuticas de maneira dinâmica, promovendo uma atenção mais personalizada e efetiva.

• Desenvolvimento de modelos preditivos

Este software não só extrai informação-chave das imagens médicas, como também a integra com dados clínicos, permitindo a criação de modelos preditivos. Estes modelos são fundamentais para otimizar a seleção de tratamentos, antecipar a evolução da doença e melhorar a tomada de decisões médicas.
 

A IA da Quibim e a radiómica: um novo paradigma na gestão de diversas patologias

Se bem que a radiómica tem sido amplamente utilizada em oncologia para analisar a heterogeneidade tumoral e prever a resposta aos tratamentos, a sua integração com a IA da Quibim amplia significativamente o seu alcance.

Esta tecnologia permite desde a segmentação automatizada da próstata até à avaliação integral da esteatose hepática e a deteção precoce da atrofia cerebral. A sua aplicação melhora a capacidade analítica da radiómica em distintos contextos clínicos, oferecendo novas oportunidades a radiologistas, investigadores e profissionais de saúde.