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 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 ciência médica com 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 predefinidas por pesquisadores, os sistemas de segunda geração usam enormes conjuntos de dados para discernir padrões que levariam muito tempo para serem feitos por humanos.

Em um exemplo, pesquisadores alimentaram um sistema ANI com milhares de mamografias, metade das quais mostravam 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 ponderação que refletia a probabilidade de malignidade. Fundamentalmente, esse tipo de IA não se baseia em heurísticas (regras práticas) como os humanos, mas sim em variações sutis entre exames malignos e normais, que nem os radiologistas nem os desenvolvedores de software conhecem.

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 o sistema é tão bom quanto os dados com os quais foi treinado. Um exemplo claro dessa fraqueza é quando a UnitedHealthcare confiou em uma IA restrita para identificar os pacientes mais doentes e oferecer-lhes serviços médicos adicionais. Quando os pesquisadores filtraram os dados, descobriram mais tarde que a IA fez uma suposição desastrosa. Os pacientes foram diagnosticados como saudáveis simplesmente porque seus registros médicos mostravam que receberam pouco atendimento médico, enquanto os pacientes que usaram muitos serviços médicos foram classificados como 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 médicos. No entanto, esses modelos ainda exigem supervisão médica e não são capazes de substituí-los. Mas com a 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

[anúncio_2]
Fonte