A última palestra do Conahp 2021 encerrou apontando para futuros caminhos dos cuidados na área da saúde com o uso da tecnologia.
Por trás de cada tecnologia que utilizamos hoje como a leitura de código de barras pelo celular, decodificação de áudios em textos e os próprios avanços nos estudos da inteligência artificial estão pessoas, pesquisadores comprometidos a tornar a vida melhor. A inteligência artificial está em desenvolvimento no mundo e a utilização dela para área da saúde pode resultar em ganhos imensuráveis. Greg Corrado é neurocientista do Google e encerrou o ciclo de palestras desta edição do Conahp e quem mediou a apresentação foi o vice-presidente da Comissão Científica do Conahp2021, Charles Souleyman.
De forma geral, a inteligência artificial já está na palma de nossas mãos. Pelo celular podemos acessar o Google Fotos, por exemplo, e ver agrupamentos e pesquisas sofisticadas de reconhecimento facial a partir de qualquer aparelho. Outra forma de vermos a inteligência artificial sendo aplicada é por meio da capacidade dos celulares de entenderem idiomas, traduzirem conteúdos e aceitarem comandos somente a partir da voz humana, com toda as variações que elas possam ter.
A inteligência artificial, segundo Greg, pode ser pensada como útil tanto a usuários quanto a empresas. Para a maioria das ações atuais, mesmo as repetitivas e complexas, a programação dos computadores facilita a rotina. A parte mais profunda da inteligência artificial é que já podemos construir máquinas capazes de aprender com os dados. Atualmente, o Google lê imagens a partir de pixels, há softwares capazes de reconhecer qualquer discurso humano e, ainda, traduzir falas para outros idiomas de forma quase automática. Todos esses sistemas foram aprimorados com o tempo. Eles passaram por um processo de aprendizagem por meio da inteligência artificial.
“Muita gente acha que a inteligência artificial é feita para prever as coisas. Talvez fosse mais acurado dizer que a grande função dela seja reconhecer as coisas”, afirma Greg. Os dados trabalhados pela inteligência artificial facilitam o reconhecimento de forma intuitiva, por exemplo, de uma categoria ou condição. A máquinas aprendem ao imitar modelos. Se quisermos criar um sistema capaz de reconhecer imagens de gatos e cachorros, por exemplo, precisamos dar a ela modelos básicos desses animais.
Na relação desse tipo de inteligência com a capacidade de aprendizagem humana, a base está num método conhecido como “deep learning”. Isso é basicamente a reencarnação de uma tecnologia chamada de redes neurais artificiais que existe desde 1980. E esse modelo se baseia em como humanos aprendem as coisas, na forma como a capacidade humana processa o aprendizado. Nesse modelo, cada neurotransmissorse associa a outros formando redes artificiais ou neurais capazes de fazer com que as tarefas programadas sejam realizadas.
“As máquinas hoje, por exemplo, podem enxergar. É possível categorizarem imagens, localizarem e descreverem conteúdos imagéticos. Nesse sentido, é possível que essa tecnologia seja usada para ler imagens médicas, reconhecer deformidades, exames e facilitar a compreensão de fraturas, por exemplo.”, anuncia Greg.
Uma das medidas citadas pelo neurocientista em relação ao trabalho desenvolvido pelo Google na área da saúde tem relação com o diabetes e foi desenvolvido com parceiros na Índia. Na região onde o experimento foi feito havia poucos profissionais capazes de fazerem o diagnóstico da doença através da retina dos pacientes. Assim, máquinas foram desenvolvidas para serem capazes de realizar um tipo de triagem diagnóstica. Foram tiradas 130 mil imagens de retinas e, com a ajuda de profissionais, o nível de diabetes foi categorizado. O resultado foi o desenvolvimento de um sistema capaz de verificar a doenças em pacientes de forma bem próxima a percepção de médicos treinados.
Segundo analisa Greg, as inteligências humana e das máquinas são complementares. Enquanto humanos são excelentes em extrapolar a partir de um pequeno número de exemplos, as máquinas são muito eficazes fazer interpolação dentro de um grande número de exemplos. Máquinas programadas com grandes quantidades de dados históricos e humanos são melhores em eficiência analítica.
É preciso perceber que esses sistemas de inteligência artificiais não são caixas pretas inacessíveis e cujo conteúdo interno seja completamente desconhecido. “A gente acredita que os sistemas artificiais podem colaborar com as pessoas da mesma forma que as pessoas colaboram entre si”, diz o neurocientista. Esse tipo de inteligência seria capaz, inclusive de explicar o porquê de escolher categorizar suas percepções a partir de sua programação. “Voltando ao exemplo do diagnóstico de diabetes, por exemplo, o sistema pode mostrar a causa pela qual escolheu categorizar a doença no indivíduo como moderada”, afirma Greg.
Outros caminhos são possíveis para estreitar o relacionamento de forma ainda mais próxima entre a gestão de dados e a medicina. Dentre eles estão os processos de criação de medicamentos que utilizam dados, identificação de erros de amostragens ou mesmo feitura de triagens. Em última instância, o valor do uso da inteligência artificial estaria na criação de um sistema de saúde de aprendizagem. O ideal é que cada vez que se atende um paciente, a experiência seja melhorada para um próximo paciente. Os sistemas de machine learning podem nos dar diretrizes importantes para aumentar a eficácia do sistema como um todo e melhorar a experiência de quem os utiliza.
Sobre a atuação do Google na pandemia, o neurocientista ressaltou que a empresa percebeu a importância da informação correta e que, utilizada na hora certa, pode salvar vidas. Sobre o uso do Google no autodiagnóstico dos usuários, Greg alertou que “apesar das ferramentas e informações estarem disponíveis, há um jeito certo de usá-las. É complexo. Nossa jornada na saúde é entender o papel da tecnologia e também o papel que ela não é capaz de desempenhar.”, analisa o neurocientista. “Eu acredito que vai levar muitos anos, mas, no futuro, seremos capazes de estar em um lugar onde a tecnologia será mais utilizada, difundida e confiável. Há muito para se caminhar, mas é possível sonhar com uma medicina preventiva em nível global, com o apoio e o trabalho de muitas pessoas e instituições.”, finaliza.
Serviço:
Congresso Nacional de Hospitais Privados (Conahp 2021)
Tema: Saúde 2030: Desafios e Perspectivas
Data: 18 a 22 de outubro
Inscrições: https://conahp.org.br/2021/
