7 termos de Inteligência Artificial que o médico deve conhecer

1- Inteligência Artificial:

"Inteligência Artificial é o estudo de como fazer os computadores realizarem coisas que, no momento, as pessoas fazem melhor" (RICH & KNIGHT, 1994). Mas eu, especialmente, gosto das colocações do Prof. Cristiano L.P. de Oliveira (IFUSP), em que a IA baseia-se em:

• sistemas que pensam como humanos, p. ex., IBM Watson Oncologia. 
• sistemas que atuam como humanos, p. ex., Da Vinci Cirurgia Robótica. 
• sistemas que pensam racionalmente, p. ex., dedução, lógica.
• sistemas que atuam racionalmente, p. ex., sistemas que usam modelos matemáticos.

2- Computação Cognitiva: outro termo para inteligência artificial, mesmo significado.

3- Aprendizado de máquina

É uma área de IA que utiliza programas de computador que tomam decisões baseados em experiências acumuladas por meio de solução bem sucedida de problemas anteriores. Tem como objetivo o desenvolvimento de técnicas computacionais sobre o aprendizado, bem como a construção de sistemas capazes de adquirir conhecimento de forma automática. O reconhecimento de imagens e padrões é uma área que tem uma aplicabilidade muito grande na medicina, como Eyes of Watson,  que é um software  que potencializa o processamento de imagens e o diagnóstico digital. 

4 - Análise Preditiva:

É o uso de dados, algoritmos estatísticos e técnicas de machine learning para identificar a probabilidade de resultados futuros com base em dados históricos. Na Saúde podem prever a eficácia de novos procedimentos, exames médicos e medicamentos e melhorar serviços ou resultados, fornecendo melhor atendimento ao paciente.

Ex: O prof Alexandre Chiavegatto Filho está desenvolvendo um trabalho no LABDAPS (Laboratório de Big Data e Análise Preditiva em Saúde da USP), que tem por objetivo predizer a expectativa de vida dos habitantes de São Paulo sem usar dados de saúde. 

Alexandre Chiavegatto Filho

5- Aprendizado Profundo

É a parte do aprendizado de máquinas que se concentra na formação de "abstrações e conceitos". Os sistemas de aprendizado profundo ingerem grandes quantidades de dados e generalizam categorias e recursos relacionados a esses dados através de uma aprendizagem supervisionada (onde as varíaveis são definidas, assim como o desfecho procurado) ou não supervisionada (são fornecidas somente as variáveis e o sistema busca desfechos relevantes). Ex: Algoritmo ajuda a diagnosticar e tratar doenças oculares

6- Algoritmo

É uma sequência finita de instruções bem definidas e não ambíguas, cada uma das quais devendo ser executadas mecânica ou eletronicamente em um intervalo de tempo finito e com uma quantidade de esforço finita. Um exemplo de algoritmo seria um protocolo de bradicardia, como abaixo:

7- Processamento de linguagem natural 

Área de inteligência artificial relacionada à geração e compreensão automática da linguagem dos seres humanos. O objetivo do PLN é fornecer aos computadores a capacidade de entender e compor textos. “Entender” um texto significa reconhecer o contexto, fazer análise sintática, semântica, léxica e morfológica, criar resumos, extrair informação, interpretar os sentidos, analisar sentimentos e até aprender conceitos com os textos processados. Ex: Siri do iPhone e iPad

Ferramentas práticas de Inteligência artificial que você pode experimentar, aplicadas a Saúde (fonte):

• AIME: Uma parceria entre uma startup malaia e uma ONG carioca usa a tecnologia criada pela Artificial Intelligence in Medical Epidemiology (AIME), para prever surtos de dengue em determinadas regiões no Brasil, facilitando a prevenção e o combate.
• Enlitic: Aprendizagem profunda para saúde e medicina baseada em dados com o objetivo de dar resultados de diagnóstico radicalmente melhores.
• Metamind.io: Reconhecimento automático e categorização precisa de imagens. Inclui diversos cases de medicina.
• Zebra Medical Vision: Aperfeiçoa o atendimento ao paciente ao fechar as lacunas entre pesquisa clínica em larga escala e implementação de insights clínicos.
• Deep Genomics: Aprendizado de máquina e IA para a medicina de precisão, testes genéticos, diagnósticos e terapias.
• Atomwise: Utiliza a IA e análises para previsões médicas e descoberta de novos medicamentos.
• Flatiron.com: IA e aprendizagem de máquina para insights sobre tratamentos de saúde.

O Radiologista automatizado da IBM pode ler imagens e registros médicos

Do blog Technology Review vem esse artigo superinteressante sobre o Avicena, um software da IBM que usa algoritmos de processamento de imagem juntamente com outros algoritmos de interpretação de texto (nos registros médicos), para sugestão de diagnóstico no auxílio a radiologistas.  É o aprendizado de máquina e a inteligência artificial aliando-se à prática clínica. Confira:

A maioria dos softwares inteligentes em uso hoje é especializada em um tipo de dado, seja interpretando texto ou adivinhando o conteúdo de fotos. O software em desenvolvimento na IBM tem que fazer tudo isso ao mesmo tempo. Está treinando para se tornar um assistente do radiologista.
O software tem o apelido de Avicena, em homenagem ao filósofo do século 11 que escreveu uma enciclopédia médica influente. Ele pode identificar características anatômicas e anormalidades em imagens médicas, tais como tomografia computadorizada e também se baseia em texto e outros dados no prontuário do paciente para sugerir possíveis diagnósticos e tratamentos.
Avicena foi projetado para ser utilizado pelos cardiologistas e radiologistas para acelerar seu trabalho e reduzir os erros e atualmente é especializada em radiologia cardiológica e de mama. Está atualmente sendo testado e refinado usando imagens e registros médicos anônimos. Mas Tanveer Syeda-Mahmood, um pesquisador do laboratório de pesquisa da IBM em Almaden perto de San Jose, Califórnia, e cientista-chefe do projeto, diz que a sua equipe e outros na empresa já estão se preparando para começar a testar o software fora do laboratório com grandes volumes de dados reais de pacientes. "Estamos começando os preparativos para a comercialização", diz ela.
Avicena "olha" imagens médicas utilizando um conjunto de diferentes algoritmos de processamento de imagem com diferentes especialidades. Alguns foram treinados para avaliar a distância para dentro do peito do paciente de uma imagem que foi tirada, por exemplo. Outros podem identificar os órgãos ou rotular anormalidades como coágulos sanguíneos. Alguns desses componentes de imagem usam uma técnica chamada de aprendizagem profunda, que produziu recentemente grandes saltos na precisão de software de reconhecimento de imagem (veja "AI Advances Make It Possible to Search, Shop with Images").
Os algoritmos de processamento de imagem trabalham ao lado de outros que foram treinados para interpretar o texto e resultados de testes em registros médicos. Avicena tem um sistema de "raciocínio" que se enquadra na saída de todos esses sinais diferentes para sugerir possíveis diagnósticos para um paciente. Ele mostra um resumo de seu raciocínio para a pessoa que trabalha com o software.

Imagem: O software da IBM, Avicena, destacou possíveis embolias em uma tomografia em verde, encontrando virtualmente o mesmo problema que um radiologista humano que marcou a imagem em vermelho.

Em uma demonstração do sistema, Syeda-Mahmood mostrou Avicena avaliando o caso de uma mulher de 28 anos de idade, queixando-se de falta de ar. O prontuário da paciente tinha imagens de pulmão e angiograma dos vasos sanguíneos em torno de seus pulmões, alguns exames de sangue e texto, observando que sua mãe tinha passado por vários abortos.
Avicenna sabia que o histórico da família poderia ser associado com uma tendência de formar coágulos sanguíneos, o que pode levar a abortos, conhecimento que mudou como as imagens do angiograma foram analisadas. O software sugeriu embolia pulmonar como o diagnóstico mais provável e destacou várias embolias possíveis em artérias pulmonares direita e esquerda do paciente. Quando um radiologista de forma independente analisou o mesmo caso, ele fez o mesmo diagnóstico e destacou mais ou menos exatamente as mesmas embolias.
IBM não são os únicos pesquisadores tentando construir software que combina texto e outros dados de registros médicos para funcionar como um radiologista. Mas Kenji Suzuki, professor associado no centro de pesquisa de imagens médicas no Instituto de Tecnologia de Illinois, diz que as ambições comerciais da IBM para Avicena são únicos. "Nenhuma outra empresa está a tentar ou prevendo que a integração total de texto, dados estruturados e imagiologia médica", diz ele.
No entanto, com base no que ele tem visto do projeto até agora, Suzuki diz que o processamento de imagem do Avicena e os poderes de diagnóstico ainda precisam se tornar mais precisos e flexíveis. Mesmo depois de fazer essas melhorias, para ter vendas significativas, a IBM terá de integrar seu ajudante automatizado com os sistemas de TI de hospitais existentes e provar que tem benefícios econômicos - "como reduzir o custo total do hospital, o reembolso do seguro, ou os riscos de ações judiciais", diz Suzuki.
Syeda-Mahmood diz que tornar o Avicena mais preciso é uma das principais prioridades da sua equipe, embora o objetivo seja ajudar os radiologistas e não substituí-los. E ela acredita que a IBM tem uma vantagem sobre as outras empresas tentando construir este tipo de software.
Isso porque fazer um sistema de aprendizado de máquina mais preciso requer oferecer a ele muitos dados de exemplo para refinar suas habilidades. A IBM já acumulou uma grande coleção de imagens médicas e registros e está no processo de torna-la muito maior.
No ano passado a empresa adquiriu uma coleção de milhares de imagens médicas, quando adquiriu a empresa Merge Healthcare. Essas imagens ainda não estão disponíveis para Avicena, mas quando estiverem, poderão ajudar a tornar o software mais preciso, diz Syeda-Mahmood. O projeto também pode obter um aumento de 50 milhões de registos de saúde electrônicos anônimos que a IBM recebeu na aquisição do ano passado de uma startup chamada Explorys.
Este artigo pertence a coleção Como treinar suas máquinas