Vivemos numa era em que a capacidade de gerar dados ultrapassa largamente a nossa capacidade de os interpretar. Desde os sistemas de saúde até à investigação científica, as organizações enfrentam diariamente o desafio de transformar grandes volumes de informação em conhecimento útil, para apoiar decisões cada vez mais complexas.
Neste contexto, a inteligência artificial (IA) e a visualização da informação (VI) emergem não apenas como tecnologias promissoras, mas como instrumentos estruturais para compreender e atuar sobre a realidade que nos rodeia, e é nessa convicção que assenta o trabalho desenvolvido pela nossa equipa no recentemente criado Laboratório de Análise de Imagens e Dados Biomédicos (BIOIDA), no Polo CCG/ZGDV no Instituto Politécnico de Setúbal (IPS).
A nossa investigação centra-se no desenvolvimento de pipelines de deep learning orientados para a análise de imagem médica, com especial ênfase na deteção, segmentação e classificação de lesões patológicas pulmonares e mamárias, incluindo o diagnóstico/classificação de fenótipos do cancro do pulmão e cancro da mama. Adicionalmente, estamos a explorar a combinação de modelos de machine (deep) learning com descritores radiómicos, para extrair padrões subtis inacessíveis ao olho humano, abrindo caminho ao conceito de “biópsias virtuais” e a uma medicina verdadeiramente preditiva e de precisão.
Contudo, a excelência algorítmica esbarra frequentemente numa barreira estrutural: a escassez de dados médicos bem anotados, clinicamente validados e geridos com rigor ético. A nossa experiência evidenciou que a transição da teoria para a prática clínica exige infraestruturas de dados adequadas e processos de governança sólidos. Para responder a este desafio, estamos a integrar datasets internacionais de domínio público, como o "The Cancer Imaging Archive" (TCIA), com o objetivo de potenciar o desenvolvimento do projeto PRIMED. Neste contexto, foi concebido o PRIMED-Framework, um conjunto estruturado de diretrizes operacionais destinadas a governar o ciclo de vida completo dos sistemas de IA aplicados à imagiologia médica.
Paralelamente, a validação clínica em contexto real constitui uma prioridade inegável. Nesse âmbito, encontramo-nos numa fase ativa de colaboração com membros do consórcio PRIMED, nomeadamente as Unidades Locais de Saúde (ULS) da Arrábida (Hospital de São Bernardo, em Setúbal) e a ULS Almada-Seixal (Hospital Garcia de Orta). Para além da criação de um repositório digital de doentes de cancro da mama e do pulmão, representativo da população portuguesa, recorrendo a técnicas de aprendizagem federada, pretendemos igualmente operacionalizar o pré-processamento, normalização e anonimização de dados imagiológicos diretamente nas infraestruturas hospitalares. Esta abordagem garante a total segurança e privacidade dos dados dos doentes, em plena conformidade com o Regulamento Geral sobre a Proteção de Dados (RGPD), o que permitirá testar e validar, em simultâneo, os nossos algoritmos em cenários clínicos reais.
Para que estas ferramentas sejam verdadeiramente adotadas pelas equipas médicas, a VI desempenha um papel tão crítico quanto a própria IA. Não basta que os algoritmos produzam resultados; é imperativo que o sistema consiga traduzir e apresentar os dados de forma intuitiva, transparente e acionável para o médico. O desenvolvimento de interfaces que permitam rastrear todo o fluxo do doente, desde a imagem DICOM até ao relatório final de classificação, é fundamental para gerar confiança e promover uma verdadeira sinergia entre as workstations de imagem médica e o especialista médico. A visualização constitui, assim, o elo essencial entre a análise computacional e a tomada de decisão informada.
Olhando para o futuro, o impacto da IA na saúde não se medirá apenas pela precisão dos algoritmos, mas pela nossa capacidade de os integrar de forma ética e segura, incluindo a capacidade de “explicar os resultados e diagnósticos automatizados” nos workflows clínicos. A colaboração multidisciplinar entre investigadores, profissionais de saúde, bioinformáticos e especialistas de outras áreas será determinante para desenvolver soluções emergentes de medicina de precisão. Para Portugal solidificar a sua posição na vanguarda da inovação em saúde, a medicina personalizada deverá ser elevada a uma prioridade estratégica nacional. O caminho passa por transformar os hospitais em verdadeiros polos de inovação baseada em dados, onde a tecnologia cumpre o seu propósito mais nobre: antecipar a doença, personalizar o tratamento e salvar vidas.
Artigo de Opinião por:
Karina Marangoni, Investigadora Sénior – CCG/ZGDV Institute
Evandro Fonseca, Investigador – Instituto Politécnico de Setúbal (IPS)
Eduardo Assunção, Investigador – CCG/ZGDV Institute
