PRÉ LANÇAMENTO LIVRO– CIÊNCIA DE DADOS E A INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE

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.

Interessados na pré-venda: https://docs.google.com/forms/d/e/1FAIpQLSfMRdUZ1AWOYEP2uurejekywrFrH1e3yl87cmm3dSH_qnGWtA/viewform

Assinatura digital do médico - CRM DIGITAL- Preços e certificadoras

VEja mais aqui: https://portal.cfm.org.br/crmdigital/#obtenha

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".

Fio sobre #InteligenciaArtificial retirado do podcast Episódio #16
@LadoBdaCiencia1com prof Alexandre Chiavegatto @SaudenoBR https://t.co/T05vbRVKmR
1- Ciência de dados: área que tenta retirar informações relevantes a partir da informação disponível
2- #BigData : grande conjunto

— TI Medicina (@timedicina) October 30, 2020

Instagram: Projeto bacana aproxima estudantes de Medicina, de médicos especialistas - @padrinho_med

 

O que é o projeto @padrinho_med?

Ver essa foto no Instagram

Compartilhando com vcs minha Teoria sobre Coragem e Redes Sociais! 💙

Uma publicação compartilhada por #PadrinhoMed | @flavia.ju (@padrinho_med) em 3 de Jul, 2020 às 8:55 PDT

 

Projeto idealizado pela Dra @flavia.ju. 

Padrinho: médico especialista que quer usar as redes sociais para informar a população sobre assuntos ligados à sua especialidade, mas não tem tempo/criatividade para produzir conteúdos educativos.

Afilhado: acadêmico de medicina que sabe criar conteúdo, tem tempo e quer muito falar sobre a  especialidade que gosta, mas sente que não tem credibilidade/autoridade suficiente para fazer isso sozinho.

Médico especialista e acadêmico de medicina unidos pelo mesmo propósito: CRIAR CONTEÚDO EDUCATIVO de qualidade para a população

Veja mais em Duvidas: https://www.instagram.com/stories/highlights/17846502299308616/?hl=pt-br

Pensa em fazer residência médica na ALEMANHA? Não deixe de seguir as dicas de @de_salto

 

RESIDENCIA MEDICA NA ALEMANHA
Vou fazer essa outra thread aqui para quem (como eu) demorou séculos para entender como funciona a residencia médica aqui. Seguinte: nao tem nada a ver com a residencia do BR. Nao existe uma prova de selecao, nao tem uma obrigacao de completar tudo

— de salto (@de_salto) October 8, 2020

Dicas de  @de_salto:

"RESIDENCIA MEDICA NA ALEMANHA 

Vou fazer essa outra thread aqui para quem (como eu) demorou séculos para entender como funciona a residência médica aqui. 

Seguinte: não tem nada a ver com a residência do BR. Não existe uma prova de seleção, não tem uma obrigação de completar tudo no mesmo hospital ou clínica. Porque aqui a residência não existe na verdade, pelo menos não como conhecemos. 

O caminho para se tornar especialista aqui, funciona assim: você procura na revistinha do CRM ou na internet uma vaga de Assistenzarzt. Na descrição vai estar escrito provavelmente de quantos anos é o contrato. Eles te chamam para a entrevista. Se gostarem de você, você faz um dia de Hospitation (que seria conhecer o serviço) e te contratam. 

Mas é só isso? Então é fácil! É e não é. 

Explico: cada especialidade aqui tem uma quantidade de requisitos/procedimentos que precisa cumprir. Esses procedimentos tem que ser registrados em um livro (chamado Logbuch). E tem também um tempo mínimo (que geralmente são 5 anos, pelo menos das especialidades que já pesquisei). 

Nem todos contratos para assistente serão de 5 anos. Muitos são de 1 ou 2 anos (esses geralmente nos Hospitais Universitários). 

Mas e aí? Aí vc trabalha os anos que seu contrato determina nesse lugar e depois você tem que correr atrás de um contrato em outro lugar para terminar de completar o seu tempo. Mas isso quer dizer que quando terminar os tais anos necessários eu virei já especialista? NAO! 

Se vc trabalhou como assistente numa clinica e não num hospital, ainda te faltara algum tempo e você terá que obrigatoriamente procurar depois um contrato em hospital pois numa clinica. Você dificilmente terá como cumprir todos os procedimentos necessários para preencher e completar seu Logbuch. E ninguém aqui vai pegar na sua mão e te ensinar. Você não é tratado como residente, você está aqui como funcionário para fazer o serviço. Não tem o R2 gente boa pra te ensinar nada não, até porque por serem contratos e não "programas de residência" não existe essa obrigatoriedade de a cada ano entrar uma pessoa. 

O responsável pelo seu aprendizado É VOCE. Ninguém vai te dizer quais cursos fazer nada disso. Então esse tempo ai é de tempo mínimo na verdade. Vai depender muito da tua organização e empenho em ir colecionando os procedimentos e escolhendo lugares que você veja que terá a oportunidade de fazer os procedimentos que faltam. 

Completou tempo e procedimentos? Você vai na câmara dos médicos do estado onde você trabalha e apresenta seus papeis. Eles vão te convidar para fazer uma prova oral e aí você ganha o certificado de especialista Facharzt. 

Como alguém é escolhido então nessa entrevista? 

Por que eles vão me escolher enquanto brasileiro/a se tem um alemão se candidatando também pra vaga? Minha dica pra vocês: nós nunca seremos tão fluentes quanto um alemão na sua língua nativa. 

Então a gente tem que se diferenciar de outro jeito. Na medicina! Quem já vem com experiência (já trabalhou, já tem uma residência, um titulo qualquer coisa) sai na frente. Você não vai ser contratado como especialista mas como Assistenzarzt só que você tem o conhecimento médico de um especialista. Pra eles é vantagem. Pra gente é um jeito de começar. 

Ah, e quem não tem experiência? Eu aconselho ter pelo menos um pouco porque se aprender medicina não é fácil, aprender em alemão é de cair o c* da bunda. Mais fácil traduzir conhecimento já adquirido. 

Mas se você não quer e quer vir assim mesmo, tem jeito. Nesse caso, a saída é procurar vagas em lugares bem pequeninos, em Dorfs e nos menores estados, porque lá os alemães também não se aplicam então a chance é que você tenha menos concorrência. 

Ah mas em qual especialidade é fácil conseguir vaga de assistente? Em hospitais como cirurgia geral, cirurgia de emergência/ortopedia, clínica medica (subespecialidade em cardiologia e nefro) e psiquiatria  - eu vejo sempre vagas. Em clinicas como clinico geral e pediatra vejo muitas vagas também. 

Espero que tenha esclarecido como funciona aqui pq isso demorou a ficar claro pra mim e eu só fui entender MESMO depois de já trabalhando aqui..."

Pensa em ir para Irlanda ou Reino Unido fazer residência em Cirurgia? Comece seu eLogbook

O eLogbook - o livro de registro eletrônico pan-cirúrgico para o Reino Unido e Irlanda- é um serviço onde os residentes registram os procedimentos que executaram para fins de certificação ou revalidação.  Atualmente 31.000 cirurgiões usam o eLogbook e os desenvolvedores do diário cirúrgico estão empenhados em fornecer integração perfeita a qualquer veículo futuro adotado pelo corpo de treinamento oficial que requeira dados de treinamento para fins de avaliação do treinamento cirúrgico.

O projeto é recomendado e reconhecido por: The British Orthopaedic Association, Society of British Neurosurgeons, the British Association of Otorhinolaryngologists, The British Association of Urological Surgeons, the Plastic Surgery Trainees Association and The British Association of Plastic, Reconstructive and Aesthetic Surgeons.

 Dica do Dr Divago:

Dica pro aluno ou residente de cirugia que me segue: faça uma conta no elogbook CEDO na sua carreira e vai anotando lá tudo o que vc opera.

Se algum dia vc resolver migrar faz uma enorme diferença.

— Mr Divago™ (@DivagoTM) October 9, 2020

A bolha médica do twitter: #medtwitter #medtwitterbr e #medtwitterstudy

Caí, meio que sem querer, na bolha #medtwitter e descobri um mundo de médicos gente boa, cheios de humor, com ótimas threads médicas  e com bastante assunto off-topic  divertido também.

O que é uma bolha social?

A bolha social é um efeito de isolamento que nós causamos nas redes sociais com nossos clicks. É o ajuntamento de pessoas em um dado espaço ou rede social, e que na maioria das vezes não permite a troca de ideias com quem não pensa da mesma forma. 

Quando estamos na nossa rede social tendemos a pensar que milhões pensam como nós, pois algorítmos tendem a nos mostrar aquilo que buscamos. Por exemplo, se você começar e pesquisar por terraplanismo no Facebook ou Youtube, logo você só receberá posts ou vídeos corroborando essa ideia, o que reforça a sensação de estarmos certos, mesmo sobre algo tão absurdo em termos científicos. Um bom documentário sobre isso é o Dilema das Redes Sociais , na Netflix.

Mas qual a vantagem do #MedTwitter então?

Se bolhas sociais são tão ruins, por que recomentar uma do Twitter? Pelo mesmo motivo de se reunir na hora do café com colegas no plantão e bater um papinho pra relaxar, discutir casos, contar assuntos engraçados, piadas, compartilhar memes e aprender um pouco uns com outros.

Encaro o #MedTwitter como meu horário do café no plantão. Lá tem ótimas discussões de casos, muitos memes do momento, Insights e críticas interessantes, muitos médicos recém formados cheios de sonhos e idealismo.

Mas sempre tem quem vai lá e problematiza. Então, se não te agradou, não siga e permaneça na sua bolha social que te faz feliz. 

Siga @timedicina no Twitter e veja quem são meus preferidos lá:

Doutor, o paciente pode gravar consulta médica?

 

Como os estudantes de Medicina aprendem - Parte 1

Como dito na introdução aqui, fiz uma enquete aqui no blog sobre as preferências de aprendizagem dos estudantes de Medicina. Foram 99 estudantes de medicina que responderam ao questionário, 35,4% homens e 64,6% mulheres, com idade variando de 17 anos a mais de 40 anos, com predomínio de 19 a 29 anos, 97% estudantes no Brasil, e 3% no Paraguai. 

Peço desculpas aos leitores. Gostaria de ter feito algo mais científico, com significância estatística, mas não consegui nem aulas particulares online para me ajudar, então vai só de curiosidade mesmo.

O acrônimo VARK significa modalidades sensoriais visuais, auditivas, de leitura / gravação e cinestésicas (Visual, Aural, Read/write, and Kinesthetic ) que são usadas para aprender novas informações. A maioria dos alunos são multimodais, não têm um modo de destaque com uma pontuação de preferência bem acima de outras pontuações.

A aprendizagem cinestésica (experiências práticas e a resolução de problemas da vida real) são as  preferidas dos estudantes de medicina, seguidas pela aprendizagem auditiva, visual e leitura/escrita respectivamente. 

Observando-se as idades, podemos verificar que a aprendizagem cinestésica permanece em primeiro lugar na preferência dos alunos. 

É evidente que estudantes mais novos, até  os 21 anos há uma segunda preferência pelo método auditivo (aulas expositivas, podcasts). Já a partir dos 25 anos, há uma tendência em se preferir o método visual (aulas expositivas, livros, mapas mentais) em segundo lugar.  

Em relação ao sexo, não houve diferença nas preferências, com preferência do estilo cinestésico. 

Deixem suas impressões nos comentários. Deseja saber qual seu estilo de aprendizagem? faça o teste aqui. 

No próximo post veremos se há diferença nos estilos de aprendizagem considerando quão no início ou fim do curso os estudantes estão.