O que temos hoje de tecnologia disponível permite uma aplicação que antes não era possível. Segundo o que temos de conceitos no mercado, e são vários, gosto da conceituação da Technopedia que diz que a Inteligência Artificial é a área da ciência de computação que enfatiza a criação de inteligência de máquina que trabalha e reage como os humanos.
O início dos sistemas de inteligência artificial foi usando o que por muito tempo chamamos de “motores de regras”, ou seja, programávamos o computador de acordo com um determinado conjunto de regras. (Ex. Se o paciente tiver uma dor na parte superior do ventre, e se na ressonância magnética feita, aparecer uma anomalia na posição do intestino apontando uma inflamação, então há uma possibilidade dentre outros de ele estar com uma diverticulite (Exatamente como pensaria um médico para fazer um diagnóstico), porém longe de ser uma estrutura de precisão e de acertos.
Leia também o artigo 5 benefícios das soluções cloud na área da saúde
Em muitos chatbots existentes hoje, estes modelos ainda persistem, o que causa a famosa “burrice artificial”, já que quaisquer diferenças em relação a programação das regras, o sistema simplesmente não entende, não processa e sequer entende o que está sendo dito a ele. Faz sentir saudades do atendente físico.
Hoje, dado o desenvolvimento da área temos o Machine Learning que é a capacidade de um computador aprender um modelo de decisão ou de pesquisa através de um modelo de algoritmos que com um treinamento dado ao computador se pode então ter um resultado onde o computador aprende enquanto trabalha no modelo.
Essa área que começou com algoritmos de árvores de decisão, lógica de Baynes entre outros passou a usar o que chamamos de redes neurais, cujo foco é imitar o funcionamento do cérebro humano, onde todos os neurônios se falam entre si.
Dentro deste caminho, e conforme falei na introdução, a tecnologia que permite um processamento de alta capacidade e complexidade em conjunto com altos volumes de dados permitiu o uso de redes neurais mais potentes (Clusters de redes neurais com muitos mais pontos de contatos) também denominada Deep Learning.
Com isso, a Inteligência Artificial se desenvolveu desde 2015 de forma muito potente e com um treinamento com um volume de aplicações muito alto (evidências) se pode atingir hoje situações onde o computador ultrapassa a capacidade de resolução de um ser humano.
Na medicina isso não é diferente, porém, isso não muda o fato de que o processamento deste tipo de aplicações necessita de supervisão humana.
Logo, estes sistemas estão a disposição para apoiar o diagnóstico clínico, considerados então sistemas de suporte a decisão clínica.
Na área de imagens médicas também está aplicada a Inteligência Artificial que permite análise de formas, movimentação, volume, quantidades, sinais anômalos, etc nas imagens e ao contrário da forma cartesiana comum que um ser humano comum observa imagens, o computador analisa toda a imagem mesmo que localize uma anomalia, achando todas as que possam estar aparecendo na imagem. Muitas vezes ao encontrarmos uma anomalia que corresponde ao diagnóstico potencial, interrompemos as análises.
Leia também o artigo LGPD na saúde: quais as responsabilidades das instituições de saúde
As vantagens de se usar Inteligência Artificial nas Imagens podem ser avaliadas em 3 diferentes níveis:
Enfim, a capacidade de analisar as imagens médicas, como por exemplo, antecipar e detectar um tumor e avaliar seu tipo, formato, evolução (Acompanhamento através de análises de imagens evolutivas), ou uma infecção e seu alcance entre outras possibilidades, aumenta muito ainda mais quando se pode também considerar nestes estudos todas as informações do paciente, incluindo sua demografia, seus outros estudos de imagem e outros diagnósticos no prontuário e uma evidência médica em Big Data que permite uma análise muito mais profunda que um ser humano normal consegue fazer, e usando os conceitos e os algoritmos da inteligência artificial pode-se ir a níveis muito mais altos de produtividade dos radiologistas, dos cirurgiões, da precisão médica e de diagnósticos e de uma melhor e mais certeira experiência do paciente.