Gerações de IA se desenvolvem rapidamente na medicina

[anúncio_1]

Programada por engenheiros de computação no final do século XX, a IA nasceu com base em um conjunto de instruções (regras) criadas por humanos, permitindo que a tecnologia resolvesse problemas básicos.

Nota do editor: Muitos setores são afetados pelas novas tecnologias na era da informação. Com o impacto da automação, da ciência da computação e da inteligência artificial (IA), áreas como médicos, hospitais, seguradoras e setores relacionados à saúde não são exceção. Mas, em particular, na área da saúde , a IA tem um impacto mais positivo do que em outros setores.

Primeira geração

A forma como a IA é treinada atualmente pode ser imaginada como semelhante à abordagem dos estudantes de medicina. Os sistemas de IA também aprendem centenas de algoritmos para traduzir os sintomas dos pacientes em diagnósticos. Esta é considerada a primeira geração de regras de saúde a ser incorporada aos sistemas de IA.

Aplicações de IA generativa ajudam médicos a atualizar informações em tempo real

Algoritmos de tomada de decisão crescem como uma árvore, partindo do tronco (o problema do paciente) e se ramificando a partir daí. Por exemplo, se um paciente se queixa de tosse forte, o médico primeiro pergunta se há febre. Haverá dois conjuntos de perguntas: febre/ausência de febre. As respostas iniciais levarão a outras perguntas sobre a condição. Isso levará a outras ramificações. Por fim, cada ramificação é um diagnóstico, que pode variar de pneumonia bacteriana, fúngica ou viral a câncer, insuficiência cardíaca ou dezenas de outras doenças pulmonares.

Em geral, a primeira geração de IA conseguia reconhecer problemas, mas não conseguia analisar e classificar prontuários médicos. Como resultado, as primeiras formas de inteligência artificial não conseguiam ser tão precisas quanto as dos médicos que combinavam a ciência médica com sua intuição e experiência. E, devido a essas limitações, a IA baseada em regras raramente era utilizada na prática clínica em outras épocas.

Automação completa

No início do século XXI, a segunda era da IA começou com a Inteligência Artificial Estreita (ANI), ou inteligência artificial que resolve conjuntos específicos de tarefas. O advento de redes neurais que imitam a estrutura do cérebro humano abriu caminho para a tecnologia de aprendizado profundo. A ANI funciona de forma muito diferente de suas antecessoras. Em vez de fornecer regras pré-determinadas por pesquisadores, os sistemas de segunda geração usam enormes conjuntos de dados para discernir padrões que levariam muito tempo para serem descobertos por humanos.

Em um exemplo, os pesquisadores alimentaram um sistema ANI com milhares de mamografias, metade das quais apresentava cânceres malignos e a outra metade, cânceres benignos. O modelo foi capaz de identificar instantaneamente dezenas de diferenças no tamanho, densidade e sombreamento das mamografias, atribuindo a cada diferença um fator de impacto que refletia a probabilidade de malignidade. É importante ressaltar que esse tipo de IA não se baseia em heurísticas (regras práticas) como os humanos, mas sim em variações sutis entre exames malignos e normais, desconhecidas tanto pelo radiologista quanto pelo desenvolvedor do software.

Ao contrário da IA baseada em regras, as ferramentas de IA de segunda geração às vezes superam a intuição humana em precisão diagnóstica. No entanto, essa forma de inteligência artificial também apresenta sérias limitações. Primeiro, cada aplicação é específica para uma tarefa. Ou seja, um sistema treinado para ler mamografias não consegue interpretar tomografias cerebrais ou radiografias de tórax. A maior limitação da IA é que a qualidade do sistema depende dos dados com os quais foi treinado. Um exemplo claro dessa fraqueza foi quando a UnitedHealthcare confiou em uma IA restrita para identificar os pacientes mais doentes e oferecer-lhes serviços médicos adicionais. Quando os pesquisadores analisaram os dados, descobriram que a IA fez uma suposição prejudicial. Os pacientes foram diagnosticados como saudáveis simplesmente porque receberam pouco atendimento médico em seus registros médicos, enquanto os pacientes que usaram muito atendimento médico foram considerados doentes.

As futuras gerações de IA também permitirão que as pessoas diagnostiquem doenças e planejem tratamentos como qualquer médico. Atualmente, uma ferramenta de IA generativa (MED-PALM2, do Google) passou no exame de licenciamento médico com uma pontuação de especialista. Muitas outras ferramentas de IA médica agora podem escrever diagnósticos semelhantes aos dos médicos. No entanto, esses modelos ainda exigem supervisão médica e provavelmente não os substituirão. Mas, com sua atual taxa de crescimento exponencial, espera-se que essas aplicações se tornem pelo menos 30 vezes mais poderosas nos próximos 5 anos. Prevê-se que futuras gerações de ferramentas como o ChatGPT colocarão a expertise médica nas mãos de todos, mudando fundamentalmente a relação médico-paciente.

Compilado por VIET LE

Fonte