Central de atendimento · (047)30353777

Português pt English enEspañol es

Blog

Inteligência artificial e prevenção na área da saúde: ferramentas que andam juntas

Apontada como principal tendência do mercado de tecnologia para os próximos anos, a Inteligência Artificial pode estar muito mais próxima do que as pessoas imaginam. O aprendizado das máquinas e a forma com elas podem identificar padrões, por exemplo, serão amplamente utilizadas pela área da saúde.

É isso que acredita a Indyxa, empresa especializada em soluções e serviços de infraestrutura de TI, cloud computing, banco de dados, inteligência operacional e segurança da informação que atende mais de uma centena instituições médicas em todo o país.

De acordo com José Henrique Luckmann, cientista de dados na Indyxa, as ferramentas de inteligência artificial direcionadas para a saúde podem ter um impacto extremamente positivo, especialmente no que diz respeito à programas de prevenção e geração de indicadores. “Aliada à automatização de processos, ela pode entender padrões de comportamento, prognósticos e diagnósticos que uma análise humana poderia não perceber”, diz. “Isso gera um conteúdo muito rico para que especialistas possam contar com informações e dados inimagináveis antes da IA”, acrescenta.

Um estudo de caso

José Henrique desenvolveu um estudo direcionado à exames de raio-x. Através de redes neurais, uma das ferramentas da inteligência artificial que identifica padrões, ele chegou a um resultado de 76% de aproveitamento do diagnóstico sem a necessidade de análise caso a caso por um profissional de saúde.

Dentro do aprendizado da máquina, existem duas vertentes: a supervisionada e a não-supervisionada. A diferença entre elas, basicamente, é que na primeira existe uma lógica pré-determinada sobre a entrada e saída dos dados. Como é este o caso, o pesquisador optou pelo aprendizado supervisionado.

Através de imagens de exames disponibilizadas pela National Institutes of Health para fins de pesquisa, o primeiro passo foi classificar os pulmões examinados como “doentes” e “saudáveis”, para que a máquina pudesse identificar quais padrões levavam a uma ou a outra conclusão.

Caso o projeto do cientista de dados da Indyxa fosse aplicado num sistema de saúde como o brasileiro, por exemplo, milhares de pacientes teriam diagnósticos em tempo real e sem a necessidade de agendamento com um profissional da medicina. Isso sem contar que, partindo dessas análises feitas através da inteligência artificial, uma série de ações poderiam ser disparadas automaticamente: o agendamento de uma consulta através da integração com o sistema de gestão do hospital ou clínica ou ainda de um novo exame, com um índice de complexidade maior.

Como funcionou a análise das imagens

Na estrutura técnica da pesquisa, José Henrique construiu um processo tecnológico usando as ferramentas Python e Keras. A arquitetura escolhida foi a Deep Learning LeNet, por ser simples e não exigir uma infraestrutura com custo elevado.

Para que a análise dos exames de raio-x fosse feita pela máquina, foi criada uma Rede Neural Convolucional. Embora o nome cause estranheza, o termo convolusões é utilizado na edição de imagens. Ações como borrar e suavizar são exemplos disso. Ele foi escolhido porque, matematicamente, é simples: trata-se da multiplicação de elementos de duas matrizes seguidos por uma soma.

Uma imagem é uma matriz multidimensional – onde largura pode ser de X colunas e altura de Y linhas – exatamente como uma matriz. Diferente, porém, de uma matriz convencional com um nível de profundidade, as imagens em RGB possuem três: um para cada um dos canais (vermelho, verde e azul).

Em síntese, a imagem é tratada como uma grande matriz e a inteligência da máquina vai lendo como se fosse uma matriz menor, analisando do início ao fim da imagem todos os procedimentos anteriormente programados: se há detecção de bordas e desfocagem, por exemplo. O conjunto desses indicadores encontrados é o que resultará na análise.

Conclusão e oportunidades

Segundo a última pesquisa do Instituto Brasileiro de Geografia e Estatística (IBGE) e o Fundo das Nações Unidas para a Infância (Unicef), realizada em 2014, 55% dos entrevistados não tinham conhecimento sobre os sintomas, tratamentos e impactos das doenças respiratórias. A Indyxa entende que, a partir de estudos como este realizados por José Henrique Luckmann, ficam claras as oportunidades que a tecnologia traz para a prevenção de problemas crônicos de saúde, que resultam não só numa melhora na qualidade de vida das pessoas, mas também de tratamentos menos honrosos para o sistema médico.

O pesquisador exemplifica que, assim como foi realizado com as análises de raio-x, esse aprendizado de máquina pode acelerar a identificação de pessoas propensas ao diabetes, à doenças neurológicas e cardiovasculares, por exemplo. “Com esse início precoce de tratamento ou agilização de novos procedimentos, saem ganhando o paciente, que provavelmente terá maiores chances de recuperação, e o sistema de saúde, que pode alocar profissionais capacitados em outras funções que não essa observação prévia de cada caso”, diz.

De acordo com José Henrique, a infraestrutura de tecnologia terá um papel cada vez mais importante neste processo. “Se considerarmos que, num futuro não tão distante, será possível que esse tipo de análise seja uma ferramenta de assertividade e celeridade nos diagnósticos, temos que estar preparados com um suporte de hardware que permita que centenas de milhares de casos sejam analisados simultaneamente e por diferentes vieses”, diz.