Por Estado: AC | AL | AM | AP | BA | CE | DF | ES | GO | MA | MG | MS | MT | PA | PB | PE | PI | PR | RJ | RN | RO | RR | RS | SC | SE | SP | TO | NACIONAL

Avalie o Texto.

Estudo valida inteligência artificial que prevê complicações da covid-19

Artigo publicado pela Nature Medicine mostra como o uso de IA com aprendizado descentralizado pode tornar o acompanhamento de pacientes com o novo coronavírus mais assertivo

Imagine a possibilidade de prever, com 24 horas de antecedência, se um paciente internado com covid-19 vai ter uma piora em seu quadro clínico e precisará ser entubado. Ou, então, se este mesmo paciente irá apresentar melhora no dia seguinte e poderá receber alta. Com o uso de inteligência artificial (IA) no combate à covid-19, cientistas conseguiram fazer com que isso fosse real. 

De acordo com um artigo publicado em setembro na Nature Medicine, uma das maiores publicações científicas do mundo, cientistas de vários países conseguiram utilizar um modelo de IA que auxilia na triagem de pacientes com covid-19. Os pesquisadores foram liderados pelo Mass General Brigham e pela Nvidia, fornecedora soluções de computação, que conseguiram melhorar a administração de recursos e os cuidados com as pessoas internadas nos hospitais com o algoritmo desenvolvido.

LEIA MAIS: O uso da inteligência artificial na detecção de demência antes dos sintomas aparecerem

No estudo, Felipe Kitamura, líder de Inovação em Operações Diagnósticas da Dasa, e Gustavo Corradi, médico especialista em IA na Dasa, dois brasileiros que participaram da pesquisa, mostram  que a utilização de algoritmos por meio da técnica de Federated Learning – Aprendizado Descentralizado ou Colaborativo, numa tradução livre – pode prever casos de infecção pelo novo coronavírus que podem se agravar ou não, possibilitando aos médicos tomadas de decisões informadas em dados, mais assertivas e rápidas. 

Como um algoritmo prevê a evolução da infecção pelo vírus?

Os algoritmos, instalados na rede do hospital onde os pacientes com covid-19 estão internados, aprendem com dados monitorados e coletados não só dos seus pacientes, mas também de outras instituições que possuem o mesmo sistema. De acordo com Kitamura, o modelo é diferente dos algoritmos atuais, que estimam apenas o risco de morte. “Saber que um paciente tem maior risco de morte não é uma informação acionável.” 

Seu colega Corradi complementa dizendo que, se você consegue prever que em 24 horas um paciente vai precisar ser entubado, você não o manda de volta para casa. “Enquanto isso, você consegue dar alta hospitalar para outas pessoas porque sabe que não haverá necessidade de entubação. Ou seja, os algoritmos facilitam as decisões dos médicos.” 

A pontuação de risco gerada pelos algoritmos, de acordo com os pesquisadores, permite ainda prever a necessidade de oxigênio e pode ser usado antes mesmo de ter PCR positivo, como em casos de pacientes sintomáticos sendo atendidos no pronto-socorro, já que a decisão do médico de internar ou não está relacionada com os recursos que o hospital detém para o atendimento.  

“Como os dados usados para ensinar a IA são muito diversos em toda a sua natureza, desde a amostra da população até as informações sobre o vírus, o aprendizado federado permite que os algoritmos aprendam melhor, tornando-os cada vez mais acurados”, esclarece Kitamura.   

Privacidade e segurança dos dados

De acordo com a Dasa, rede de hospitais e laboratórios do Brasil, este é um dos maiores estudos com uso de Federated Learning do mundo até o momento, com mais de 16 mil casos de novo coronavírus mapeados e 20 instituições internacionais de quatro continentes diferentes envolvidas. Segundo Kitamura, o sistema é altamente seguro e a privacidade dos dados dos pacientes é garantida. 

O Federated Learning é uma técnica de aprendizado de máquina que treina um algoritmo em vários dispositivos descentralizados ou servidores que mantêm amostras de dados locais. Ou seja, esse algoritmo é treinado ao mesmo tempo em diferentes lugares, sem que os dados sejam trocados entre instituições médicas. 

Essa abordagem contrasta com as técnicas tradicionais de aprendizado de máquina centralizado, em que todos os conjuntos de dados locais são carregados em um servidor, bem como com as abordagens descentralizadas mais clássicas, que geralmente assumem que as amostras de dados locais são distribuídas de forma idêntica. Essas duas formas mais comuns trazem um risco maior de vazamento de informações do paciente, além de serem menos eficientes. 

O Massachusetts General Hospital, um dos participantes do estudo nos Estados Unidos, planeja validar essa técnica de inteligência artificial no combate à covid-19 em produção e vai buscar a aprovação dos órgãos competentes em breve.

Avalie o Texto.

Veja o que é sucesso na Internet:

Deixe uma resposta

Seu endereço de email não será publicado.