Perguntas e Respostas: Inteligência Artificial na Saúde
Dr. Augusto Antunes
Dr. Diógenes Alcântara
IA: Perguntas e Respostas com o especialista.
Grupo
Av. Professor Mário Werneck, 42 9° andar . Buritis BH/MG
CEP 30455-610
SAC (31) 3077 7992
0800 932 0000 ramal 7992 (oxos)
Copyrights®: Alcântara Way Webdesign Ltda (Grupo Preparatório Saúde EAD)
Esta obra é protegida pela lei número 9.610 dos Direitos Autoriais de 19 de Fevereiro de 1998, sancionada e publicada no Diário Oocial da União em 20 de Fevereiro de 1998. Em vigor a lei número 10.693, de 1 de Julho de 2003, que altera os artigos 184 e 186 do Código Penal em acrescenta Parágrafos ao artigo 525 do Código de Processo Penal.
Produção Visual: AulaBrasil / Preparatório Saúde Capa e identidade visual: Ramiro Carreira de Magalhães
Diagramação: Ramiro Carreira de Magalhães
Coordenação: Diógenes Alcântara
DR. AUGUSTO ANTUNES
DR. AUGUSTO ANTUNES
" Médico formado pela UFMG.
Seguir no Instagram
" Radiologista membro do colégio Brasileiro de Radiologia.
" AFSA en neuroradiologie pela Université de Strasbourg - França.
" MSc with Distinction em Advanced Neuro image.
" Fundador da ADDA Diagnostics.
" Radiologista na Axial Medicina Diagnóstica.
DR. D
DR. DIÓGENES ALCÂNTARA
IÓGENES ALCÂNTARA
É coordenador do Grupo Preparatório Saúde EAD, líder em preparação para provas de título. O autor atua no ensino médico desde 2002 quando patenteou uma das primeiras plataformas de EAD do mundo, o Aulabrasil(R).
a primeira plataforma de EAD Médico do mundo, o Flaaasp Aulabrasil®.
Inteligência Artiocial na Saúde: Perguntas e Respostas com o especialista.
Diógenes: Eu queria que você começasse me dizendo, o médico deve temer a Inteligência artiocial?
Essa inovação que a cada dia evolui mais, e parece imparável?
Augusto: Não, não há motivo, eu fui convidado por um amigo meu para trabalhar em uma empresa que na época, estava começando a se formar como startup, mas que já tinha vários integrantes inseridos no campo da Inteligência Artiocial.
Nessa empresa tive contato com um Engenheiro da Computação que já trabalhava a muito tempo com essa tecnologia e em conjunto, nós desenvolvemos modelos de IA que podem ser aplicados na medicina. E nessa história já se passaram 14 anos de Neuro Radiologia e 5 anos de Inteligência Artiocial. Tentando fomentar um mercado que está a crescer cada vez mais. Pois essa tecnologia veio para ocar e tem potencial enorme, que já está presente em muitas aplicações do nosso cotidiano, e na medicina se fará presente cada vez mais, por isso, precisamos nos acostumar com a IA o mais rápido possível.
Diógenes: E nesses 5 anos atuando comIA,euviquevocêseformoucom uma honraria na University College of London, me fala disso?
IA: Perguntas e Respostas com o especialista.
Augusto: Obtiveotítulodedistinção, queéconcedidosomenteaosalunos que são o primeiro da classe, com notas acima de 90%.
Diógenes: Então o fato de você ser o número 1, estudando física, matemática, estatística, que são para o médico vistos apenas em epidemio, é digno de parabenização, por isso lhe parabenizo novamente, principalmente agora com a ascensão pratica da IA. Isso é um diferencial?
Augusto: Sim, eu costumo falar sempre, eu não sou cientista da computação, apesar de gostar da matéria. Ter bons conhecimentos, é um diferencial.
Diógenes: Então não precisa saber programar? Vai cair esse mito?
Augusto: Sim, eu mesmo não sei nem como escrever uma só linha de código. Se você me perguntar, eu te responderei que tenho muito interesse em programar. Como uma curiosidade que eu possuo. Possivelmente é uma coisa que eu vou começar a desenvolver. Inclusive, por estar entranhado com engenheiros da computação, a gente acaba falando muito sobre isso, e acabou despertando em mim o interesse. Eu entrei nessa parte, sem saber nada de código, e apenas fazendo contraponto ao engenheiro da computação, enquanto eles traziam a estatística maciça eu trago a epidemiologia e
asaplicaçõespráticas.Osmodelos pra inteligência artiocial e como elespodemnosajudar.Eissoéum casamento muito interessante, pois juntamos forças, médicos e engenheiros, para poder realizar tudo que estamos trazendo para nosso campo.
Diógenes: Guto, eu queria que você dissesse para nossos leitores que estão tendo o primeirocontatodelescomIA,na Medicina,quaissãoosconceitos e os termos que podem ajudar bastante nessa área? Para não ocar de fora quando seus colegas estiverem conversando a respeito, fala aí para todos:
O que é Big Data, Machine Learning e Deep Learning?
Augusto: É realmente importante conhecermos os conceitos básicos sobre o assunto de IA, aonal como um ditado popular aqui de Minas Gerais, nós dizemos: <Chama pelo nome que a gente conhece=.
Vamos começar pelo Big Data. De maneira literalmente traduzida, signiocagrandequantidadededados.
Sendo assim, são bancos de dados com complexidade muito grandes e tamanhos enormes, de onde não se pode extrair os dados, e informações sem a técnica adequada para tal.
Logo se obtém estatísticas antigas, e informações que não se possui mais acesso que estão guardadas nesses
bancos de dados. Assim, para identiocar esses bancos de dados, fazemos a análise dos <4 V9s= muito importantes para reconhecer se realmente aqueles bancos de dados são bancos <Big Data=.
O 1º <V= é o Volume dos dados, o 2º
<V= é a Velocidade desses dados. O 3º
<V= é a Variedade desses dados, com vários tipos de dados que podem ser conjugados posteriormente, podendo extrair informações daqueles dados. O
último <V= é a Veracidade dos dados. Sendo assim, esses dados devem corresponder com áreas da vida real. Além disso tem pessoas que incluem um <quinto V= que é o Valor desses dados.
Basicamente se consegue o Big Data com os 4 <V9s=. O Big Data serve como substrato,
um alimento, do que chamamos hoje de inteligência artiocial. A IA, é uma área da computação, estudada pela Neurociência, Psicologia, e até olosooa, mas de fato abrangida principalmente pela ciência da computação. Essas técnicas novas na IA nospermitemfazerasmaquinasemodelos de computação, com padrões desse volumeenormededados,eapartirdesses padrões a IA toma decisões que ajudam a alcançar objetivos pré concebidos, para simular escolhas humanas reais, e emular essas escolhas humanas.
Diógenes: Então o Objetivo é essa tomada de decisão, sendo importante não só o volume, mastambémaqualidadedesses dados. Pois o ser humano irá tomar decisões baseadas no resultado da máquina. É mais ou menos isso?
Augusto: Exatamente, nós precisamos dos algoritmos dessa técnica de poderosa extração de informações que estão contidas naqueles dados, pois o big data trabalha muito com reconhecimento de padrões. E é exatamente esse reconhecimento de padrões que nosso cérebro é especialista, pois os seres humanos por via de regra são reconhecedores
de padrões, logo a Inteligência Artiocial é esse campo da computação, e dentro desse campo de abrangência enorme, temos outros campos menores, sendo considerada, a Inteligência Artiocial um termo <Guarda-Chuva=, onde dentro dele nos temos: O Aprendizado de Máquina, (citado anteriormente Machine Learning), temos Robótica, processamento de linguagem natural, visão computacional, e outros vários subcampos dentro da InteligênciaArtiocial.Hojeemdiaocampo que recebe maiores avanços cientíocos e avanços de produto no mercado é o Machine Learning, ou Aprendizado de Máquina.
Diógenes:Citandovocê:OMachine Learning é um campo da ciência da computação dentro de IA, mas é algo tão complexo que envolve várias outras áreas e não dá falar todas aqui, por que vai acabar rendendo uma serie aplicada na área da saúde. E com certeza não daria pra falar tudo em uma única entrevista. Logo se possível Dr. Augusto, gostaria que você exempliocasse esses algoritmos, essa inteligência que existe por trás da tecnologia de hoje em dia?
Augusto: Sensacional, pegando um exemplo aqui podemos falar sobre as pesquisas que existem nos navegadores e redes sociais, Google, facebook, Instagram e etc., onde se você pesquisa sobre cafeteiras, ele te mostra o produto, mas caso você não compre aquele produto, então ele passa a te mostrar produtos relacionados, como cafés de marcas diferentes. Mas também existem outros exemplos mais diários como a própria Netflix, Youtube. E essa
procura na internet é a maior fonte de dados quesepodeobterhojeemdia,assim,nesses exemplos,asempresascoletamessesdados e então mapeiam o que os consumidores fazem, ou ozeram. Ou seja, quem procurou sobre café, pode estar interessado em uma cafeteira, quem procurou por oltros de café, procurou por biscoitos e no om procurou por apartamento pra alugar, e como são coisas diversas,somenteatravésdosalgoritmosde IAquepodemosobteressasinformações.Na Medicina nós estamos mais acostumados com esses algoritmos que imaginamos, através de fluxogramas, cardioversão, o abc
do ACLS ele é um algoritmo: veja se o paciente está respirando, depois veja via aérea, veja se está respirando.
Diógenes: Então é um If else? Se isso, faça aquilo, se não faça aquilo?
Augusto: Exatamente! Esse é o algoritmo puro! Os Algoritmos de IA são exatamente isso, só que em uma escala muito maior. Conseguimos por
exemplo alcançar correlações de dados inimagináveis que existem, a exemplo: Compararam a taxa de risco cardiovascular no nordeste dos Estados Unidos, medidos pelo CDC, e assim tentaram prever a mortalidade de acordo com os bairros, através dessa analise comportamental por twits. Ou seja, as pessoasusavamoTwitereaIAfaziauma análise pelo conteúdo ou pela frequência e uma série de outras variáveis contidas nosTwits,tentaramchegarnessesdados
da mortalidade cardiovascular, nesse Paper, mostra dois mapas. Um feito pelo CDC e outro feitoporessesdadosdoTwiter.Asobreposição dos mapas é espantosa. Como a máquina consegue extrair aqueles dados, toda aquela informação de Twits?
Diógenes:Amáquinaentãoconseguiu correlacionar comportamentos e sentimentos,deacordocomoqueas pessoas postavam no Twiter, a partir da geolocalização?
Augusto: De acordo! E isso era um protótipo. E já atendia bem, mostrando como que a tomada de decisão pode ser feita de maneira muito mais dinâmica do que se não tivesse esse tipo de instrumento, pois teria que esperar o reporte do CDC , que normalmente sai de 6 em 6 meses, 8 em 8 meses ou até 1 ano.
Diógenes: Imagina o trabalho que é coletar todos esses dados de todas as clinicas e todos os hospitais, tudo para reunir todos esses dados, juntar e validar tudo isso manualmente.
Augusto: É,enaverdadenemémais de forma manual, por que o CDC também usa IA. De toda forma você ainda tem que esperar os dados serem digeridos por um especialista que tem que soltar, e já no caso de você ter uma máquina que quase em tempo real processa tomadas de decisão com uma dinâmica muito maior do que se você esperar esses dados consolidados. Assim a gente consegue ver a IA exatamente nisso, se você assistir um olme, logo, logo, a IA já estarátesugerindoumolmeparecido.Eisso se dá por que várias pessoas que assistiram o mesmo olme, gostaram do outro olme. Assim, através desses padrões a máquina e os algoritmos conseguem identiocar que, comalgumaacuráciavocêtemporexemplo
80%dechancedegostardaqueleolme.Logo se você assistiu olme do Rambo, você tem
80% de chance de gostar do olme do ator
Arnold Schwarzenegger, então é nesses padrões que a Inteligência Artiocial atua nas nossas vidas, durante nossos mais diversos programas.
Diógenes: E se você abandonar o olme logo no início a IA já evita te mostrar mais relacionado aquilo. Sendoassimumolmedoqualvocê nem clicou, será mais mostrado do que aqueles que você clicou e abandonou. Principalmente por você entregar dados de que: <Oh eu entreguei 10 minutos do meu tempo e abandonei e não voltei nesse olme tem 1 semana=. Sendo assim a IA da Netflix, Amazon, e etc. já entendem o que você gosta e são exemplos muito práticos e muito legais presentes no nosso dia a dia.
Augusto: É,enóspodemoscanalizar todo esse poder para nossa área, a medicina. O exemplo do Twiter é belíssimo. Pois conseguimos usar dados que nem imaginávamos ter
algum valor, por isso o Machine Learning que é uma sub área da IA é tão importante. Você conseguefazerissoatravésde3técnicasbásicas. São elas: O aprendizado supervisionado, O aprendizadonãosupervisionado,eoaprendizado com reforço. O Aprendizado supervisionado, hoje em dia é aquele que a gente mais vê exemplos. É tambémoqueeumaisusonahoradedesenvolver modelos para cardiologia ou medicina no geral. É um aprendizado muito simples para colocar para a máquina identiocar padrões de coisas que você já conhece o resultado delas, por exemplo: Você dápramáquinaidentiocarumgato,umcachorroe umaarvore,entregandofotosdesses3elementos e dizendo para a máquina; Isso é um gato, Isso é um cachorro e isso é uma arvore. Após isso você
nãofalamaisnadaeamáquinatemqueidentiocar o modelo, as características de Feature mais
relevantesparaaquelaentidadeseridentiocada e classiocada como gato, cachorro e árvore. Então você não colocará nada para a máquina decidir, a mesma vai identiocar o que acha importante, e com os erros ela vai corrigindo a acurácia dela para poder chegar numa classiocaçãodegato,cachorroouárvoreamais acurada possível. Imagine se você tivesse que programar em código todas as características de um cachorro? Seria um trabalho imenso, com anos, e muito provavelmente você não conseguiriacontemplartodososexemplos,um chihuahua ou são Bernardo, teria um trabalho muito árduo!
Diógenes: Então o que você está me dizendo é que com essa técnica faz com que a própria máquina aprenda e se programe? Isso faz com que o código seja escrito e aperfeiçoado muito mais rápido? Um humano ou vários não conseguiriam fazer isso nessa agilidade?
Augusto: É, o maior especialista numa área talvez consiga produzir um código que vai fazer uma acurácia tão boa, mas você não possui isso na maioria das vezes. Por isso precisamos que a máquina pegue esse fardo do código e a mesma se desenvolva e chegue no resultado mais interessante de classiocação daquela tarefa que você quer colocar. Esse é o
aprendizado supervisionado, onde você dá as classes da máquina e ela se vira com o que é aquela classe. O não supervisionado, você não dá as classes daquelas entidades. Aí você dá as fotosdegato,cachorroearvoreefala:<Olhatem classes diferentes, separa essas 3 classes da forma que você achar mais pertinente=. A partir dos erros e acertos que o modelo vai tendo, a máquina vai separando aquelas 3 classes, pois a mesma não sabe que aquilo é um gato, um cachorro ou uma arvore, e só sabe que são 3 classes diferentes. Então você consegue até entender que a máquina por si não sabe nada sobre aqueles dados, e só consegue achar padrõesdentrodaquelesdadosquevãofazê-la conseguir realizar a tarefa designada para ela.
Diógenes: Logo então chega em um ponto que qualquer arvore que você mostrar para a máquina ela consegue dizer que aquilo não é um cachorro?
Augusto: É, exatamente, e por exemplo se você colocar a foto das patas de um gato e um cachorro, mesmo não dizendo ela vai conseguir acertar quais são as patas do cachorro e quais são as patas do gato, por que ela achou as características básicas que a fazem discernir entre o que é um cachorro e um gato, logo isso é muito interessante, pois como é que você coloca
oguras diversas, por exemplo na internet e aquelas oguras são identiocadas com muita acurácia? E a resposta é justamente esse tipo de aprendizado. Além disso, há o aprendizado por reforço, que é onde vemos esse limite do desaoo tecnológico sendo vencido, a parte mais elegante do Machine learning, onde a gente não tende a usá-lo no nosso cotidiano, principalmente por ser uma técnica muito baseada em pesquisa e desenvolvimento tecnológico, onde você simplesmente não fala nada pra máquina. Colocandoapenasum<agenteX=queganhou o máximo de pontos possíveis dentro desse cenário,comasconstruçõeseregras<X, Y, Z eW=.Entãoamáquinavaiportentativaeerro, e daí o termo reforço, porque a máquina vai reforçando e não pode repetir aqueles erros assim, a mesma descobre qual é o caminho dentro daquele ambiente, para que aquela entidade consiga pontuação máxima. Pra issousamosoexemplodovídeogamesuper MarioBros.1,2e3,ondeamáquinaaprendeu a jogar sozinha em algumas poucas horas
Diógenes: E a gente levando metade da adolescência pra aprender isso, Leitores, se você gosta de vídeo game, jogou Mario, nós estamos falando de Nintendo, jogo em 8 bits se você já jogou isso confere AQUI: Veja uma inteligência artiocial aprendendo a jogar Mario. É sensacional. Mas o ponto aqui é que isso exemplioca o terceiro modelo ne?
Augusto:É,eantesdeMarioaIAbateu todos os recordes de jogos de ATARI, omesmogrupoquedesenvolveuuma técnicaquevenceuocampeãochinês de <Go=, o xadrez chinês, um jogo de complexidade, que possui um número de possibilidadesno<Go=maiorqueonúmerode átomosnouniverso,provandoocontráriodo quefoipensadopormuitotemposerintuição humana, a máquina dominou e jogou Go. Em 2017, a movimentação desse grupo fez eles seremadquiridospeloGoogle,eláamáquina ganhou do campeão, 18 vezes campeão mundial de Go, esse jogador sul coreano, foi derrotadoetudofoidocumentadoefeitoum documentário na Netflix, um documentário sensacional, documentário chamado <Alpha Go=. Em 2018 eles criaram o Alpha Go Zero, a IA aprendeu por si só, vendo várias partidas de Go de maneira muito rápida, que se fosse conosco, levaria vários anos. Para máquina, realizar tudo isso foi uma questão de meses
IA: Perguntas e Respostas com o especialista.
para o Alpha Go, já o Alpha Go Zero, em 24 horas ele já não perdia nenhuma partida para o Alpha Go.
Diógenes: Dr. Augusto, você precisa me falar, como radiologista,vocêfazpartedeum serviçomuitograndeerespeitado em Belo Horizonte, 5 anos que você já trabalha com IA, pode me dar um exemplo de interpretação de imagens que a Inteligência Artiocial já está presente?
Augusto: Na radiologia a IA começou a sua entrada na medicina, muito pelasáreasquetemprodutodedados, então na radiologia, a área é muito pronta pra esse ingresso da IA, a patologia é outra área que tem uma entrada grande dos algoritmos. A gentenãovêmuitacoisanapraticamedica,pois isso requer uma série de coisas como: testes regulares,fundamentações,eregulamentações, órgãofundadorquerealmentevaiolharissocom muito cuidado, pois a gente consegue perceber uma serie de aplicações dentro da área de radiologia, por exemplo, para citar um exemplo meu, e a gente já tem algoritmos liberados pelo FDI Americano que detectam sangramento intracraniano de forma automática que prioriza aquele exame a ser visto como um laudo por um radiologista, então você tem uma lista de exames por fazer, se seu 27º paciente vai fazer
uma tomograoa de crânio de trauma, ai ele já sobe automaticamente se o algoritmo detectar hemorragia intracraniana.
Diógenes: Então o algoritmo é o assistente de triagem do radiologista? Salvando vidas.
Augusto: Sim, a gente já tem o uso também em mamograoa, a muito tempo com auxiliadores de diagnostico, que chamávamos de CAD (Computer Assistent Diagnosis), onde você circula as lesões que tem maiores possibilidades de serem neoplásicas, e isso ajuda muito o radiologistaaleraquelesexamesde mama, assim tendo uma acurácia
muito grande, chegando com esses algoritmos de detecção de hemorragia intracraniana à uma acurácia acima de 90%, deixando passar pouquíssimos exames que tem sangramento
Diógenes:Umassistentemaravilhoso pro medico, já pensou? Você recebe um paciente e você já tem lá a sugestão, é uma segunda opinião imediata ne? Mas me fala como o Deep Learning entra nisso tudo aí?
Augusto: Bom, esse termo a gente vê muito e muitas vezes é usado de forma intercambiável com inteligência artiocial e Machine learning, por isso é interessante a gente voltar ao raciocínio anterior, naquele termo guarda-chuva, que é a IA, e dentro dele nos temos os campos que dividem: Processamento de linguagem natural, visão e Machine learning. Dentro do Machine Learning temos os 3 tipos: supervisionado, não supervisionado e aprendizado por reforço,eagoraagentetemo<Deep= que é o aprendizado profundo, que se baseia nas famosas redes neurais. Por isso, o Deep Learning está lá em baixo dessa arvore, porque ele é um algoritmo de inteligência artiocial que pode ser usadoparaqualquerumdos3tipos
de aprendizado que só depende de como você coloca o problema pra máquina, mas ele é baseado nas famosas redes neurais, que são algoritmos de inteligência artiocial quetentamemularofuncionamento de um neurônio humano, do nosso cérebro, e então a gente coloca esses neurônios artiociais, em várias camadas, em várias redes e essas redes, redes neurais quando são muito profundas e possuem muitas camadas, com muitos neurônios, elas são chamadas de Deep Learning.
Diógenes: O termo tem a ver com o número de camadas e de neurônios, tão logo ouviu rede neural, pode associar à Deep Learning, por serem camadasprofundas,quedevemgerar um absurdo geométrico no número de possibilidades de variações que o algoritmo consegue calcular?
Augusto: Sim, você consegue abstrair de uma forma muito mais poderosa, então, redes neurais são algoritmo, mas o Deep Learning são redes neurais com vários neurônios, com várias camadas de neurônios, com vários elementos dentro delas.
Diógenes: Então essa rede multidimensional interliga esses neurônios para obter esses resultados?
Augusto: É,issoémuitointeressante porqueessaquestãodasdimensões que a gente trabalha, é em cada feature, em cada característica que se coloca para a máquina aprender é
uma dimensão, logo se você coloca 1152 features, a máquina vai operar em 1152 dimensões. Por isso, você precisa ter um algoritmo que seja capaz de chegarnesseníveldeabstração,poiscadaabstração, émuitointeressantepensarnesseexemploqueirei falar agora, para simbolizar onde eu quero chegar com isso. Se a gente pensar num garfo, em uma foto de um garfo, nós conseguimos discernir muito bem um garfo de um tridente, aquela arma grega, mas se você pegar pelo formato, e morfologia do tridente e do garfo, oca um pouco difícil de se fazer uma diferenciação e mesmo dentro dos diversos garfosqueexistem,comogarfosdemadeira,garfos de metal, garfos com 2 dentes, 3 dentes, com 4 dentes, e a pergunta é, o que é um garfo? Se você pensar nisso, o conceito de garfo não está contido dentro daquelas dimensões geométricas de garfo, você teria que abstrair o contexto para uma outra dimensãoquevocênãoconseguiriaadquiriatravés de uma foto, para que se usa um garfo? Você usa para se alimentar, comer, você não usaria um tridente para comer, usa-se o garfo para comer. Então é um domínio, um reino completamente diferente, uma dimensão completamente diferente daquela do formato, logo, é isso que a gente faz
quando a gente vê um garfo, nos abstraímos o formato, levando para alguma dimensão que faça sentido pra gente. Ou seja, comer.
Diógenes: E o Deep Learning é a maquina começando a fazer isso?
Augusto: Sim é isso, algoritmos anteriores não conseguiam fazer esse nível de abstração, e se tinha alguma abstração, por exemplo um algoritmo poderosíssimo, que foi
muito usado em Machine Learning até os anos 2000, o SVM, um algoritmo muito usado, muito poderoso.Maselenãoconseguechegarnonível de abstração que uma rede neural consegue chegar, tudo com deep learning. Logo é por isso quetemosvistomuitoessetermoquecomeçou a ser usado em 2012, deep learning, logo tem pouco tempo, mas a partir dele começamos a ver muitos avanços em IA, dito isso, é o motivo deconfusãodemuitaspessoasnesseassunto, e por isso confundem IA com Deep learning, mas a verdade é que o Deep learning é só uma das facetas do Machine Learning, que também por si só já é uma das facetas da Inteligência Artiocial.
Diógenes: Aprendi agora um pouco mais. É tão complexo que você precisa estar conversando com alguém que está dentro dessa área, um especialista pra poder apurar o conhecimento. Eu oco perguntando pra entender, saber se faz sentido, saber se eu to interpretando e entendendo o assunto abordado. A rede neural, elaécomosepermitissequeamaquinaentenda queseaquelegarfo,nãoestiverassociadoàuma comida ou um prato de alimento, então, apesar de ele possuir formato de garfo, provavelmente ele é um tridente?
Augusto: Exatamente.
Diógenes: Issoéumacoisaqueoserhumano faz instintivamente, mas você não consegue escrever isso nos dados?
Augusto: Programar isso é praticamente impossível, pois como é que você programaria uma maquina para que ela pudesse andar de bicicleta? Primeiro você tem que emular um cerebelo, e isso é o fácil, o mais difícil é você ver a máquina, fazê-la entender como se anda de bicicleta a partir da visualização de alguém andando de bicicleta. E nos tentamos emular exatamente isso. Um carro autônomo tenta fazer exatamente isso, conduzir o
carro aprendendo por si só. Hoje em dia já vemos números que indicam que o carro autônomo é inonitamente mais seguro que um humano conduzindo.
Diógenes:Tem números de vidas salvasnotrânsitograçasaisso?Algo nesse sentido, estudos sobre isso?
Augusto: Ainda não existem estudos concretos sobre isso, mas emtermosdenúmeroscomparados existem muito menos acidentes com carros autônomos do que com manuais em comparação de quilômetros rodados. Eu diria que é uma comparação de 1 para centenas de milhões.
Diógenes:Temos que buscar esses dados, pois a Tesla já possui uma quantidade de carros automáticos rodando por aí, já deve ter uma quantidade de dados interessante a ponto de dar para obter esses dados. Sendo uma coisa pratica, e bem legal, que ao invés de mostrar a máquina como assassina, igual <Exterminador do futuro= condicionou a maioria de nós, fãs dos olmes dos anos 80, 90, coloca ela como boazinha, ao invés de exterminadora,torna-sesalvadoradevidas.
Temosquereforçaressesexemplos,senão vamos sempre achar que vamos terminar dominados pelas maquinas e colocados dentro da Matrix, ou escravizados pela Skynet.
Augusto: Dessejeitovamosdivulgar nossa idade para os leitores. Pois realmente as referencias estão sendo sempre da década de 80-90.
Diógenes: É que nessa época que tínhamos tempo para assistir muitos olmes, aí agora a gente só estuda e trabalha, ne?
Augusto: Eu to tentando jogar vídeo game dentro do meu trabalho, pois mexer com inteligência artiocial não deixa de ser isso.
Diógenes: Pra onalizar, Dr. Augusto, gostaria de perguntar, se você aceita convite para fazer outras entrevistas como essa? Vamos tentar criar uma serie sobre Inteligência Artiocial na saúde?
Augusto: Estou dentro, topo.
Diógenes: Sei que sua agenda é bastante ocupada, mas vou pedir pra minha produção agendar com você outra entrevista, com novos tópicos. Essa entrevista me deixou muito satisfeito, pra quem leu até aqui tenho certeza que vai ter aproveitado bastante desse conteúdo também. Por isso venho apresentaressetemaparanossoscolegas daáreadasaúde,poisélegalsairasvezes do tradicional, para quando formos mais velhos, não dependermos só da nossa horaaula,sódagentemesmo.Paratermos mais braços, e a tecnologia permite isso, que você não venda somente sua hora, por que uma hora você vai se cansar, o intelectocansaevocênãoescala,poissua hora é limitada, é cansativa no decorrer da
sua carreira, por isso, sempre ache maneiras de não depender apenas da sua hora. Por isso se você quiser acompanhar saiba que haverão mais conversas sobre o assunto. Finalizando, uma ultima pergunta: Médicos devem temer a Inteligência Artiocial na Saúde?
Augusto: Pelo contrário. Proossionais da saúde tem que abraçar essa tecnologia e tem que inclusive liderar as aplicações dessas tecnologias dentro de seu campo de atuação, seja Radiologia, como é meu caso, mas também na clinica medica, cardiologia, farmacologia, por que somos nos
queentendemosdemedicina,somos nos que entendemos o paciente, não vai ser o algoritmo de Inteligência Artiocial que vai simplesmente nos tirar dessa posição. Mas seremos nos mesmos a perder a posição se não conseguirmos nos adaptar as novas tecnologias, e sendo essa nova tecnologia nossa aliada, é nesse momento de transição tecnológica, que sempre vem cheio de receio. <Poxa, vai mudar aqui, e eu não vou conseguir fazer aquilo, a máquina vai me substituir=. Mas isso vem acontecendo na história como uma constante, o computador veio também cercado de questionamentos, disseram que o computador ia acabar com os empregos, e pelo contrário, o computador gerou muitos mais empregos, do que aqueles com os quais ele acabou. Assim, conseguimos perceber que a Inteligência Artiocial está tecendo o mesmo caminho. Precisamos usar essa ferramenta, muito poderosa, para conseguir nos ajudar a trazerocuidadomelhorparanossospacientes, amelhorarnossaperformance.AIAvaibaterem coisas que nos presenciamos muito na nossa rotina diária, pois não temos tempo pra fazer
nossas coisas por estarmos atolados em procedimentos burocráticos que nada tem haver com o cuidado do paciente. E muitas vezes esse procedimento poderia ser automatizado. Tem uma pesquisa interessante na Forbes de 2018, que mostra que o medico Norte Americanodámaisoumenos66%dotempo dele em consulta, fazendo procedimentos não relacionados coma patologia ou a queixa principal do paciente, ou seja, preenchendo papel e fazendo coisas que não tem nada haver com a queixa daquele paciente. Quando você junta isso, com trabalhoburocráticoenumerodeconsultas que dá pra aumentar muito, e o tempo das consultas está diminuindo demais por conta dos honorários médicos, acabamos deformularareceitaparaodesastre,assim, você vê pacientes sendo acompanhados por 10 minutos, e se você gasta nesses 10 minutos2/3dotempofazendoaburocracia, não sobra nada pro paciente e assim, não tem diagnostico de qualidade.
Diógenes: Hoje é muito discutido o exame físico pela telemedicina, que é um limitador, principalmente na primeira consulta, na maioria das áreas é praticamente impossível ter um exame físicocompleto,porenquanto,100%online,100% via teleatendimento, mas a grande realidade, principalmenteosatendimentospúblicosé:Ouo medicoescolheouviropaciente,fazerumacurta anamnese e prescrever algo ou solicitar exames ou ele examina, por que o tempo de fazer as 2 coisas o medico não possui.
Augusto: Euestoumuitoentranhado nessas mazelas que a medicina tem, pela radiologia, você recebe esses exames de pacientes que estão altamente mal indicados, logo você vai fazer o exame físico para o medico pois ele não tem tempo e nem interesse de fazer o exame físico naquele paciente, sob o argumento que o exame de imagem vai ver com muito mais precisão
e profundidade que o exame físico que ele poderia fazer, e ao mesmo tempo a gente já experimentanaradiologiaissoháalgumtempo, então, essa pressão dos honorários caindo por ter um laudo, o que seria na medicina dentro da minha área, ela já existe tem algum tempo. Um outro trabalho interessante é o de uma colega nossa, lá de São Paulo, divulgou por esses dias é exatamente quanto tempo gasta um laudo pra ser feito, um laudo de radiologia, e como é que essa produtividade esta sendo mensuradaparavocêconseguirestimarmelhor o tempo do radiologista para melhor uso, nós percebemos os seguinte: Se demora muito pra se fazer um laudo, mais o diagnóstico é muito rápido e quando você está muito treinado o diagnosticoveminstintivamente,assim,aparte burocrática é o que toma o tempo do médico, e se a gente hoje em dia precisa de laudar mais paraconseguirmanternossoretornoonanceiro
na radiologia, acabamos sobrecarregados e sem tempo de fazer muita coisa, Mas ao mesmo tempo estamos gastando pouco tempofazendodiagnostico.Seconseguirmos que a Inteligência Artiocial aja dentro desse contexto, certas tarefas que são facilmente automatizadasquenãorequeremcriatividade, que não requerem empatia, adaptabilidade, que de fato são as grandes características do ser humano e que um bom medico tem queexerceratodoinstante,vamosconseguir muitocomaIA.AssimaIaautomatizatarefas e nos deixa ser médicos, empatizar com o paciente e escuta-lo, trazer conforto ao falar a verdade e discutir o quadro clinico com o paciente. Muita gente diz que as maquinas vão roubar nosso trabalho, mas me pergunto se não fomos nos que roubamos o trabalho das maquinas primeiro, vamos deixá-las fazerem o trabalho burocrático.
Diógenes: Interessante, quer dizer então que o medico na verdade hoje, faz coisas robotizadas, quem paga por isso é o paciente, recebendo atendimento com medicina de mais baixaqualidade,enãovamosdizerqueisso é escolha do médico, mas todo o sistema evoluiu o levando a isso. E na verdade se conseguíssemos que essa parte que a gente já robotizou fosse terceirizada para a máquina com a Inteligência Artiocial, nós poderíamos respirar e voltar a entregar aquilo pro qual a gente realmente foi formado.
Augusto: É, é interessante ressaltar que esse formato atual, todos saem perdendo. O paciente sai perdendo por receber medicina de má qualidade. O Medico está absurdamente sobrecarregado onanceiramente, mentalmente, e esforço físico. Pra poder suprir essa demanda e poder manter seu rendimento onanceiro relativamente decente. Empresas de hospitais perdem
gradativamente qualidade e outras coisas. Logo, está todo mundo perdendo! Precisamos reajustar isso, assim a IA é uma excelente arma para reajustar nessas diversas esferas. O plano de saúde consegue através de analise melhorar seu desempenho em um hospital, da mesma forma melhorar seu atendimento e dinamizar seus processos, assim tendo um assistente em seu escritório, melhorando seu diagnostico ajudando na sua parte burocrática, podendo empatizar com o paciente e no onal dessa pirâmide vai ter um paciente que vai ter um atendimento de qualidade que ele sim merece. O médico não vai ser substituído pela IA, mas vai ser substituído pelo médico que usa IA, por isso não tenha receio de usar esse tipo de ferramenta, pois ela cria um time que ganha em todas as frentes.
Diógenes: Gostaria de mais informações sobre a Inteligência Artiocial na Saúde? Conheça nosso curso com o Dr. Augusto Antunes. curso com o Dr. Augusto Antunes.
