Autores:
Antonio Valerio Netto
Lilian Berton
André Kazuo Takahata
Lançamento previsto para Setembro/Outubro de 2021
Um grupo de 13 pesquisadores das áreas de saúde digital e inteligência artificial se uniram para produzir um livro que permita ser a “porta de entrada” do leitor para os processos envolvendo a aquisição e interpretação dos diversos tipos de dados oriundos da área de saúde. O objetivo é que esse leitor tenha uma noção clara de como analisá-los utilizando ferramentas baseadas em algoritmos inteligentes. O livro foi escrito pensando no público de gestores nas áreas de saúde, tecnologia da informação (TI), etc. e de alunos de graduação e pós-graduação que desejam entender as perspectivas da união dessas áreas. Além, é claro, do público em geral que se interessa por informações técnicas relacionadas a ciência de dados, inteligência artificial, inovação e tecnologia em saúde. O livro está dividido em dez capítulos. Na primeira parte do livro existem quatro capítulos que buscam apresentar a temática ao leitor. Na segunda parte, existem quatro capítulos, onde são aprofundadas aplicações específicas relacionadas à temática do livro. A terceira parte do livro foi dividida em dois capítulos, onde são discutidos os impactos das aplicações das soluções relacionadas à temática, junto ao mercado e aos profissionais de saúde.
No primeiro capítulo são discutidos conceitos relacionados à Health Data Science e suas duas subáreas: dados clínicos e dados de comportamento e sentimento do paciente. Além disso, são apresentadas informações sobre Health Analytics e Data Analytics com seus quatro tipos de análise de dados: descriptive analytics, diagnostic analytics, predictive analytics e prescriptive analytics.
No segundo são apresentadas noções gerais sobre Inteligência Artificial (IA) citando suas principais subáreas. São apresentados, de forma breve, os conceitos envolvendo machine learning (ML), aprendizado supervisionado, árvore de decisão, support vector machine, redes neurais, algoritmo k-vizinhos mais próximos, entre outros.
No capítulo três é abordada a inferência bayesiana. Ela possibilita a criação de modelos para uso efetivo de observações no tratamento de cenários com incertezas, sendo importante para o pensamento clínico por aleatoriedade para criação e entendimento de diversos algoritmos de IA. No quatro é discutido o processo para avaliação de sistemas preditivos em saúde (SPS) e descrita as estatísticas utilizadas como indicadores de desempenho, bem como métodos e estratégias para avaliação.
No capítulo cinco são descritas as categorias da IA (narrow AI e Artificial General Intelligence) e são listadas as dezesseis principais razões do seu uso na área de medicina. Também são apresentados os marcos históricos e exemplos de uso prático nessa área.
No sexto capítulo são apresentados os sistemas de apoio a diagnósticos (do inglês Computer-aided Diagnoses – CAD). Esses sistemas estão relacionados aos processos, modelos ou ferramentas computacionais que assistem os especialistas por meio do uso de técnicas de banco de dados, processamento de imagens e IA aplicadas a diferentes modalidades de dados.
No sétimo são apresentadas soluções envolvendo o Processamento de Linguagem Natural (PLN) ou linguística computacional na produção e recepção de textos em biomedicina e saúde. As ações estão relacionadas à busca de recursos de acesso e triagem de informações em saúde voltadas para extração de informação, mineração de textos, sumarização, processamento multimídia, sistemas multilíngues, sistemas de diálogo e assistentes virtuais de conversação.
No capítulo oito são apresentadas informações do emprego de IA na área de análises genômicas. Essa área vem ganhando espaço devido ao seu potencial para tratamento e prevenção de doenças, levando em consideração a variabilidade individual genética e estilo de vida de cada pessoa.
No nono capítulo são apresentados casos baseados em real world evidence, em português, “evidência do mundo real”. Esse termo é usado para descrever descobertas de pesquisas com dados coletados fora dos ensaios clínicos padrões. Serão três cases focados na criação de valor para o indivíduo, para o negócio saúde e para a sociedade.
Por fim, no capítulo dez é discutida a questão da construção do conhecimento baseado em IA. A mesma não irá tomar o lugar do profissional de saúde, mas sim, ajudá-lo como ferramenta de apoio para o diagnóstico, tratamento e cuidado, reduzindo consideravelmente, o custo da saúde e a mortalidade humana.
