31 de out. de 2020

Inteligência artificial na Medicina bem explicadinho

Hoje recomendo o  podcast Episódio #16 @LadoBdaCiencia1 com prof Alexandre Chiavegatto @SaudenoBR https://lado-b-da-ciencia-podcast.zencast.website/episodes/17
Vou fazer um resuminho interessante sobre alguns pontos da inteligência artificial:



1- Ciência de Dados: área que tenta retirar informações relevantes a partir da informação disponível

2- Big Data : grande conjunto de dados disponíveis atualmente.

3- Inteligência Artificial: máquinas aprendendo a tomar decisões inteligentes. Inteligência é a capacidade de tomar a melhor decisão possível com base nas informações disponíveis. É necessário ter informação disponível sobre o assunto, pois se vc toma decisões sem nenhuma informação disponível, isso não é inteligência, isso é sorte. Inteligência no fundo é um problema de análise de processamento de dados. 

4- Machine Learning : domina a inteligência artificial, aprendizado via dados, máquinas (algoritmo) tomando decisões inteligentes a partir de dados disponíveis. O que difere de antigamente quando máquinas tomavam decisões a partir de regras criadas por humanos (como no spam de emails), é que hoje o computador aprende as melhores regras de decisão, como as variáveis interagem levando, no caso da #Medicina, aos problemas de saúde. Os algoritmos conseguem perceber essa complexidade que passa desapercebida ao cérebro humano. 

5- Algoritmo: conjunto de regras para um determinado fim, p ex: receita de um bolo. 
Fonte: https://fernandonogueiracosta.wordpress.com/2018/05/11/o-que-e-um-algoritmo/


6- Algoritmos de machine learning estão presentes no nosso dia-a-dia: Waze (melhor caminho), redes sociais ( o que aparece primeiro para vc é uma predição de quem seu melhor amigo, os assuntos do seu interesse), Netflix (recomendações para vc), Youtube (sugestões a direita). 

7- Inteligência artificial na área da Saúde: No futuro será orientar o médico quais são as melhores decisões sobre o q o paciente precisa. Aplicações: diagnóstico de câncer de mama, diagnóstico de Diabetes via imagem de retina, no LABDAPS (http://www.fsp.usp.br/labdaps/publicacoes/) : identificação de boas práticas de saúde pública no Brasil, predição do risco de óbitos entre idosos no município de SP, predição de qualidade de vida em pacientes com doença terminal, predição de risco de diagnóstico positivo em paciente de COVID-19 e prognóstico negativo entre os paciente com COVID-19... 

8- O que é necessário para uma boa predição: variáveis que fortemente ajudem a predizer o desfecho. O algoritmo usa o passado para aprender regras para predizer o futuro. 
Ex: banco de dados de características de pacientes q fizeram o RT PCR de COVID-19, alguns tinham a doença e outros não. O algoritmo aprende as características que levaram os pacientes a ter a doença. Quando é trazido um novo paciente com sintomas, o algoritmo processa essas informações, dentro das regras que ele aprendeu com pacientes anteriores, e mostra que o paciente, p. ex.,  tem 93% de risco de ter COVID-19. Então é feito o RT PCR para confirmação e o faz com centenas de pessoas (treinamento). Quando o algoritmo diz, p. ex.,  que a chance é de 90 a 100% de ter a doença, e realmente 90 a 100% tem a doença, diz-se que o algoritmo é "bem calibrado".

Nenhum comentário:

Postar um comentário