Barbara fez uma mamografia de rotina em janeiro de 2023. Algumas semanas depois, ela foi convidada a visitar seu médico na Enfermaria Real de Aberdeen, na Escócia. A mamografia parecia boa para dois médicos, mas um sistema de inteligência artificial chamado Mia tinha percebido algo errado: uma mancha de seis milímetros com um tom levemente cinza. Era um câncer em estágio 2. Se não tivesse sido identificado e removido naquele momento, não teria sido captado até que Barbara viesse para seu próximo exame de rotina – ou até que sua presença fosse percebida de alguma outra forma.

PUBLICIDADE

Se essas histórias dão uma noção visceral da capacidade da IA para melhorar os diagnósticos, as estatísticas mostram a escala do bem que ela pode proporcionar. O governo britânico afirma que a análise de tomografias cerebrais pelo e-Stroke, sistema desenvolvido pela Brainomix, uma startup da Universidade de Oxford, reduziu em mais de uma hora o tempo entre a internação hospitalar e o tratamento de pessoas por acidente vascular cerebral. E aponta para dados ainda não publicados que dizem que a velocidade do sistema triplicou o número de pacientes que alcançaram independência funcional após um AVC, de 16% para 48%.

A inteligência artificial vem sendo aplicada ao diagnóstico há mais tempo do que a qualquer outra parte dos cuidados de saúde – e os resultados são evidentes. Mas a transformação que ela oferece está longe de ser completa. Os sistemas de IA empregados até aqui muitas vezes têm sido aplicados àquilo que agora parecem ser usos bastante simples de reconhecimento de padrões. Os modelos de base que tanto impressionaram o mundo desde o advento do ChatGPT, em 2022, mal começaram a deixar sua marca.

A revolução começou na radiologia, o primeiro tipo de imagem médica a se tornar totalmente digital. A transição facilitou o armazenamento e o compartilhamento de imagens e também produziu imagens que podiam ser lidas por máquinas. As redes neurais, inspiradas na estrutura do córtex visual do cérebro, são sistemas em que a informação flui através de camadas de “neurônios” empilhados uns sobre os outros. A combinação dessa arquitetura com novos processadores dotados de um poder que à época parecia prodigioso permitiu à AlexNet revolucionar a ciência da visão computacional e, com isso, o potencial da radiologia automatizada e, mais tarde, da dermatologia, da oftalmologia e muito mais.

Os descendentes da AlexNet estão sendo cada vez mais usados para complementar – e às vezes substituir – o trabalho de radiologistas humanos. Conseguir fazer mais diagnósticos com menos médicos vai ser útil em todos os lugares, mas promete ser uma dádiva nos países pobres. Outros instrumentos também vêm passando por uma reformulação de IA. Na Dinamarca, o Transpara, produto fornecido pela ScreenPoint Medical, uma empresa holandesa, é utilizado como primeiro leitor de mamografias em casos de baixo risco. Esses sistemas também procuram coisas que os médicos não procurariam. As máquinas não ligam de fazer várias tarefas ao mesmo tempo e podem se tornar especialistas na identificação de muitos tipos de doenças.

Os sistemas de ultrassom oferecem outra oportunidade para IA. A empresa americana Butterfly produz um aparelho de ultrassom portátil que, graças à IA integrada, pode ser usado para avaliar gestações de alto risco e calcular data de nascimento, peso fetal e quantidade de líquido amniótico. Outros instrumentos também vêm passando por uma reformulação de IA. Médicos de atenção primária em Londres estão avaliando um estetoscópio com IA para conferir se ele consegue melhorar o diagnóstico de alguns tipos de doenças cardíacas.

Uma nova geração de modelos de base treinados em uma variedade de fontes de dados, não apenas em imagens e textos, provavelmente vai expandir ainda mais a caixa de ferramentas. Esses modelos não exigem a rotulagem das enormes quantidades de dados nos quais são treinados. E têm capacidade de aprendizagem “auto-supervisionada”. Eles também poderão proporcionar um melhor alerta precoce sobre doenças que ainda estão por vir, como câncer, doenças cardíacas ou diabetes. Em 2022, pesquisadores chineses mostraram que esse tipo de modelo podia prever o risco de doença grave em pacientes de covid. Dito isto, essa forma de aplicação de IA precisa de cuidado e atenção especiais para garantir que os modelos não introduzam ou amplifiquem vieses.

Como a inteligência artificial é capaz de oferecer um sistema de diagnóstico complementar e até mesmo substituir a leitura humana? A tecnologia tem várias aplicações na medicina e pode ser uma grande aliada na identificação de doenças em estágios iniciais. No entanto, é importante lembrar que a qualidade e a precisão dos diagnósticos dependem das avaliações adequadas dos softwares utilizados.

Fonte da imagem: Unsplash

Fonte do texto: Estadão

Autor do texto: Estadão

Traduzido e adaptado por: Linguajar Natural Language Processing

Saiba mais: www.linguajar.com.br

Nos acompanhe nas redes sociais!

Deixe seu comentário, siga e curta nossas páginas!

Agradecemos sua visita!