Sistemas de IA humanizam health care em 80%, diz pesquisa

A Inteligência Artificial já faz parte do nosso cotidiano e está cada vez mais inserida em nossas vidas. No campo da saúde, já toma conta de exames, diagnósticos e prontuários. Como exemplo podemos citar o supercomputador inglês Deep Mind, que registrou informações de 1,6 milhão de pacientes atendidos no National Health Service (NHS).

A partir dele foi possível desenvolver novos sistemas de apoio à decisão clínica. Por meio de análise de dados de pacientes foi possível gerar alertas sobre evolução de quadro clínico, evitar medicações contraindicadas ou conflitantes e informar aos profissionais de saúde sobre o estado dos atendimentos.

Ao compreender melhor os diferentes aspectos da inteligência artificial, o Deep Mind faz uso do conhecimento como inspiração para construir novos sistemas de computador que aprendem a encontrar soluções para problemas difíceis por conta própria.

Composto por uma equipe de cientistas, engenheiros, especialistas em ética, entre outros, o supercomputador é comprometido com a solução de inteligência para o avanço da ciência e da humanidade. Guiado pela segurança e pela ética, a invenção do Deep Mind ajuda a sociedade a encontrar respostas para alguns dos desafios científicos mais urgentes e fundamentais do mundo.

Ao juntar forças com o Google os sistemas aprenderam a diagnosticar doenças oculares tão eficazmente quanto os melhores médicos do mundo, identificar melanomas com mais eficiência e precisão que profissionais da área, economizar 30% da energia usada para manter os Data Centers da Google resfriados e prever as complexas formas 3D das proteínas, que podem um dia transformar a maneira como os medicamentos são inventados.

No Brasil

Fiocruz - Sistemas Inteligentes - Cidacs reúne dados de mais de 100 milhões de brasileiros
Fundação Oswaldo Cruz - Localizada em Manguinhos, Rio de Janeiro

Em 2016, a Fundação Oswaldo Cruz (Fiocruz) criou o Centro de Integração de Dados e Conhecimentos para Saúde. O Cidacs realiza estudos e pesquisas com base em projetos interdisciplinares originados na vinculação de grandes volumes de informações. Dados de saúde e políticas sociais de mais de 100 milhões de brasileiros contemplados em programas sociais estão unificados em uma base que preserva a confidencialidade de todas as informações coletadas.

Além disso, o Cidacs desenvolve novas metodologias investigativas e promove capacitação profissional e científica. A missão do Centro é contribuir com a produção de conhecimentos científicos inovadores para ampliar o entendimento dos determinantes e das políticas sociais e sobre a saúde da população.

Esses estudos visam auxiliar e apoiar a tomada de decisões em políticas públicas em benefício da sociedade. Para tanto, o Centro conta com equipes multidisciplinares com formação em diversas áreas, como epidemiologia, saúde coletiva, estatística, economia, bioinformática e computação.

Também foram criadas plataformas de vigilância em saúde, estudos genéticos (Epigen), de incorporação de tecnologias e inovações em sistemas de informação para apoiar o SUS e de Estudos de Equidade e Sustentabilidade Urbana e seus efeitos em saúde. Tais iniciativas resultaram em um programa de integração de dados sobre as condições de saúde de indivíduos e da população do país.

Mesmo com todo esse avanço, alguns desafios significativos ainda impedem a comunicação e colaboração contínua nos sistemas de assistência médica. O desafio mais difícil é a interoperabilidade ou capacidade de registros eletrônicos de saúde (EHRs) e outros sistemas de gerenciamento de dados de assistência médica para troca de informações frequentes.

Inteligência Artificial como aliada

Instituições de saúde têm antecipado o impacto que a IA terá no desempenho e na eficiência de suas operações, força de trabalho e na qualidade do atendimento ao paciente. Ao contrário do medo comum de que máquinas substituam trabalhadores humanos, a IA na área de saúde pode "re-humanizar" a assistência à saúde.

Pesquisa realizada com mais de 900 profissionais de saúde pela MIT Technology Review Insights, em parceria com a GE Healthcare, descobriu que a inteligência artificial já é usada para melhorar a análise de dados, permitir melhores diagnósticos e previsões de tratamento e liberar a equipe médica da área administrativa de trabalhos rotineiros.

Essas descobertas mostram que a prestação e administração de cuidados de saúde se tornam mais complexas e caras, e a capacidade profissional e tecnológica cada vez mais sobrecarregada. Nesse sentido é possível encontrar profissionais com baixo rendimento e pacientes privados de interações com seus médicos.

Anos atrás, ninguém sonhava que uma máquina pudesse ser parceira na orientação de um procedimento médico. Mas os avanços em inteligência artificial posicionaram a tecnologia como uma ferramenta poderosa para eficiência clínica e operacional. Inúmeras tecnologias estão em jogo hoje para permitir que profissionais de saúde ofereçam o melhor atendimento, cada vez mais personalizado para os pacientes e com custos mais baixos.

A grande maioria dos entrevistados acredita que a inteligência artificial representa a extensão da capacidade profissional na área de saúde: mais de 80% acredita que a IA vai ajudar a melhorar a capacidade de gerar receita, recrutar talentos e ser competitiva. E durante os próximos 10 anos, a IA otimizará radicalmente os processos de prestação de cuidados de saúde.

Sistemas inteligentes - pesquisa revela aceitação de profissionais da área de saúde na implantação de ia

Entre os entrevistados, 74% desenvolvem ou planejam desenvolver algoritmos de aplicativos de inteligência artificial. Além disso, 79% desejam aumentar o investimento na tecnologia nos próximos anos. 78% das equipes médicas relatam que suas implantações de IA já criaram melhorias nos sistemas e fluxos de trabalho.

Sistemas inteligentes - pesquisa revela aceitação de profissionais da área de saúde na implantação de ia

A pesquisa ainda indica que a inteligência artificial tem aumentado a eficiência operacional de instituições de saúde. “O gerenciamento de cronograma otimizado por IA não apenas torna o dia do médico mais eficiente, como também cria oportunidade de ter um trabalho mais próximo aos pacientes”, destaca o estudo.

De acordo com o levantamento, a inteligência artificial já é usada, por exemplo, para otimizar tarefas administrativas, atualizar registros de saúde e fazer anotações. Ao todo, 45% dos entrevistados acreditam que a IA ajuda a otimizar o tempo em consultas e outros procedimentos. Dessa forma, os profissionais conseguem se dedicar mais aos pacientes.

Além do aumento de eficiência operacional, a inteligência artificial também está sendo usada em outros processos na saúde. Na China, por exemplo, pacientes são atendidos, diagnosticados e remediados em apenas um minuto. O sistema criado pela Ping An Good Doctor não tem funcionário e opera apenas com inteligência artificial, alimentada por um banco de dados com mais de 2 mil doenças cadastradas.

A tecnologia também ajudou a prever a pandemia do coronavírus na China. A healthtech canadense BlueDot divulgou, no dia 31 de dezembro de 2019, para sua base de clientes que um surto da doença estaria a caminho. A empresa usa técnicas de processamento de linguagem natural e machine learning para analisar uma base de dados com várias fontes.

A machine learning pode ajudar organizações de saúde a estruturar as grandes bibliotecas de dados para identificar quais dados médicos são mais significativos para a resolução de problemas e refinar seus processos de assistência ou de negócios. Com um nível mais profundo de insight, elas melhoram a tomada de decisões.

Com o pouco que sabemos sobre as machine learning já é possível dizer que, em um curto espaço de tempo, não teremos um único setor no mundo que esteja intocado à tecnologia de aprendizado de máquina. Então, para não ficar de fora dessa nova e inovadora tecnologia, acompanhe o artigo sobre o tema. Basta clicar aqui.

A verdadeira revolução

Sistemas Inteligentes - tecnologias vestíveis recolhem dados dos usuários em tempo real
O uso de dispositivos “wearables” permite que dados de suas rotinas sejam coletados a todo momento

Segundo a Revista Brasileira de Educação Médica, ao mesmo tempo em que se discutem problemas na relação médico-paciente e a deficiência do exame clínico na atenção médica - que torna o diagnóstico clínico mais dependente de exames - se enfatiza cada vez mais a importância do computador na medicina e na saúde pública.

Graças a isso, sistemas de apoio à decisão clínica estão incluindo tecnologias vestíveis, os chamados wearable devices, para armazenamento de grandes volumes de dados de saúde de pacientes e da população. O armazenamento cresceu ao longo dos anos, principalmente após o conceito de big data.

Você sabe quantos passos deu durante o dia? Com o avanço da tecnologia já é possível acompanhar a frequência cardíaca, as calorias perdidas e outros dados sobre saúde. O uso de dispositivos wearables permite que dados da sua rotina sejam coletados a todo momento.

Podemos citar como exemplo o caso do Apple Watch, que conseguiu detectar uma anormalidade na frequência cardíaca de um brasileiro e impediu que a situação ficasse mais séria. Por meio de um aviso, o aparelho indicou que o usuário se cuidasse de forma preventiva. A situação também foi notada por Tim Cook, CEO da Apple.

Grandes empresas de tecnologia estão cada vez mais presentes no setor, como por exemplo a Samsung, com o Galaxy Watch e a Xiaomi, com a MiBand. Para embarcar nesse ramo, recentemente a Google finalizou a aquisição da Fitbit, empresa de relógios inteligentes focada em saúde. A transação foi de US$ 2,1 bilhões.

Inovações como essas permitem uma melhor compreensão da nossa saúde a todo momento e como nunca antes feita. Os dados coletados pelos aparelhos permitem uma mudança revolucionária na medicina: a prevenção ao invés do tratamento.

A medicina evoluiu muito nos últimos anos. Com os avanços da tecnologia, muitas doenças foram erradicadas, outras, consideradas incuráveis, são facilmente tratáveis. Até mesmo pacientes com quadros clínicos considerados irreversíveis conseguem receber tratamentos paliativos, que promovem conforto necessário para os enfermos e seus familiares. 

O médico Peter Densen, especialista em doenças infecciosas na cidade de Iowa, nos Estados Unidos, é autor de um estudos que fala sobre essa evolução tecnológica na medicina, o Challenges and Opportunities Facing Medical Education, em português, “Desafios e Oportunidades Enfrentados pela Educação Médica.

O estudo aponta que, a cada dois meses e meio o conhecimento médico no mundo dobra. Ainda de acordo com o estudo, esse tempo já foi muito maior. Em 1950, eram necessários 50 anos para dobrar o conhecimento. Em 1980, era preciso 7 anos; já em 2010, 3,5 anos. Em 2020, a projeção era de 0,2 anos, ou seja, apenas 73 dias.

O conhecimento na medicina é baseado em experimentação. Estamos falando de visualizações, repetições, ocorrências, padrões e entendimento. E dessa mesma forma era repassado o conhecimento. A partir de determinado momento, houve uma grande evolução, que acelerou o processo de construção do saber científico. 

O professor Alberto Arbex, coordenador da pós-graduação em Endocrinologia da Faculdade Ipemed Afya e Doutor em Obesidade pela FioCruz Rio diz que, a partir da Renascença, "quando houve a curiosidade de se entender melhor o corpo humano, começou a se criar o que se chama hoje de método científico ou cartesiano, ou seja, testar para se validar".

Arbex completa dizendo que, "quando esse método foi aplicado mais amplamente dentro da medicina nos últimos 100 anos, e mais intensamente nos últimos 50 anos, aí então a medicina deu um salto muito acelerado na construção do conhecimento”.

A medicina baseada em evidências, na visão do professor, é uma forma de se construir o conhecimento através das probabilidades e do melhor método científico disponível, o que nos aproxima da verdade, embora na ciência ela nem sempre seja absoluta. “É esse espaço entre a verdade absoluta e a verdade momentânea relativa que a gente está buscando cobrir cada vez mais com pesquisas”, explica Arbex.

O importante é entender que essas tecnologias estão presentes em nosso dia a dia, e vão ficar ainda mais inteligentes como assistentes. Para não ficar por fora dos avanços da tecnologia, já sabe, siga o Tag Chat nas redes sociais e se inscreva para receber o nosso newsletter. Até o próximo artigo. 🙂

6 vantagens da Machine Learning para seu negócio

O avanço da tecnologia tem mudado o rumo da humanidade nas últimas décadas. Desde a revolução digital, também conhecida como Terceira Revolução Industrial, o desenvolvimento de novos recursos tem acontecido em um curto espaço de tempo. O resultado disso é a criação de máquinas com aprendizado equivalente à dos seres humanos.

Com o pouco que sabemos sobre as machine learning já é possível dizer que, em um curto espaço de tempo, não teremos um único setor no mundo que esteja intocado à tecnologia de aprendizado de máquina. Então, para não ficar de fora dessa nova e inovadora tecnologia, acompanhe o artigo de hoje.

A principal característica das machine learning é a capacidade de aprender de forma proativa. Essa tecnologia faz parte de um subcampo da ciência da computação que surgiu no fim da década de 1950 e tem como base os princípios da inteligência artificial, conhecida pela sigla em inglês AI.

Mesmo com mais de 70 anos de evolução, foi nos últimos anos que a área começou a revolucionar a relação do homem com a tecnologia. Com base na inovação, aplicativos já indicam o melhor caminho ao usuário, streaming sugerem filmes para telespectador e redes sociais reconhecem seus usuários a cada foto postada.

Quando falamos em machine learning, a estrutura usada na programação é diferente da programação de software. O aprendizado da máquina é feito a partir de inteligência artificial, e deve ser aplicado com base na interatividade com dados pré configurados, para tornar o conhecimento adquirido, aplicável.

Existe uma quantidade infinita de algoritmos que podem ser usadas em machine learning, cada um com uma finalidade específica. Podemos citar também características que viabilizam a escolha do modelo mais preciso para determinado problema.
Existe uma quantidade infinita de algoritmos que podem ser usadas em machine learning, escolha a ideal para você

1. Algoritmos do Machine Learning

Existe uma quantidade infinita de algoritmos que podem ser usadas em machine learning, cada um com uma finalidade específica. Podemos citar também características que viabilizam a escolha do modelo mais preciso para determinado problema.

Basicamente, a tecnologia faz uso de algoritmos que permitem a um software utilizar uma fonte de dados para aprender e elaborar sua programação. O aprendizado de máquina pode ser descrito como o conceito, em que um software recebe informações e faz uso delas, para encontrar soluções e meios de desempenhar determinadas funções.

Dentre os algoritmos mais utilizados, podemos citar:

Como são várias as formas de se chegar a um resultado com machine learning, é preciso escolher o algoritmo mais adequado ao seu negócio ou ao problema proposto. Em um dos nossos artigos anteriores, fizemos um passo a passo para a criação de uma árvore de decisão. Para acompanhar, basta clicar aqui.

2. Apps e Machine Learning

Um aplicativo ou software com machine learning é um tipo de programa que melhora gradualmente com o número de experiências em que ele é colocado para treinar. Ideal para alavancar grandes volumes de dados, a máquina oferece soluções eficazes, pois consegue, a partir de mudanças sutis, entender o comportamento, preferências ou satisfação do cliente.

O machine learning continua a crescer e já marca presença em diversos aplicativos, assistentes digitais e inteligências artificiais. Além disso, indústrias tem feito uso dessa tecnologia, como é o caso dos drones e da auto-condução de carros.

Para entender como aplicativos e machine learning se relacionam, vamos partir do ponto que os apps existem para facilitar a vida das pessoas, para estender a elas funcionalidades práticas ao dia-a-dia ou realizar tarefas úteis para agilizar rotinas.

Uma forma de melhorar a experiência de seus usuários é fazer uso de ferramentas que “conversem” com o usuário e consigam solucionar dúvidas ou apresentar soluções mais rapidamente, como é o caso do chatbot TagChat que, além de fazer a captação de leads no seu e-commerce ou site, ainda consegue o qualificar.

Aplicativos inteligentes respondem mais rápido à mudanças no padrão dos consumidores e apontar novos insights para o negócio, por meio de coleta, análise e encaminhamento correto das informações. Essas funcionalidades permite conhecer cada vez melhor os usuários e aprimorar soluções num processo de melhoria e superação contínua.

Mas nem tudo são flores... Quanto mais complexa é a tarefa que deve ser realizada por um software, mais difícil e demorado se torna seu desenvolvimento. A boa notícia, é que a TagChat é uma empresas especializadas em oferecer este e outros serviços personalizáveis, a única tarefa de quem precisa de uma solução como essa é adquirir.

Veja também: 85% dos atendimentos são feitos por Inteligência Artificial

Máquinas de aprendizado operacionais são as melhores práticas para empresas executarem o uso da inteligência artificial com sucesso, sempre com ajuda de uma ampla gama de software e serviços em cloud. Na verdade, as operações de aprendizado de máquina significa sucesso na IA empresarial.
As MLOps garantem que modelos possam ser implantados repetidamente e monitorados continuamente

3. Machine Learning Operations

Máquinas de aprendizado operacionais são as melhores práticas para empresas executarem o uso da inteligência artificial com sucesso, sempre com ajuda de uma ampla gama de software e serviços em cloud. Na verdade, as operações de aprendizado de máquina significa sucesso na IA empresarial.

As MLOps tem em sua equipe cientistas de dados, que são os grandes responsáveis por preparar conjuntos de dados e criar modelos de IA após sua análise. Também contam com engenheiros especialistas em machine learning, que executam esses conjuntos de dados nos modelos de maneiras disciplinadas e automatizadas.

O MLOps para aprendizado de máquina permite que equipes de ciência de dados e tecnologia da informação colaborem e aumentem o ritmo do desenvolvimento e da implantação de modelos por meio de monitoramento, validação e governança de modelos de machine learning.

Um dos principais benefícios das MLOps é permitir que data science, machine learning, estatística e outros tipos de dados forneçam valor de negócios rapidamente. As MLOps garantem que modelos possam ser implantados repetidamente e monitorados continuamente.

Os processos das MLOps permitem:

4. Machine learning em JavaScript

As machine learning em JavaScript servem para montar algoritmos de aprendizado de máquina do zero. Com ele, é possível criar aplicativos com linguagem Javascript sem depender de bibliotecas misteriosas. Os algoritmos são otimizados com desempenho avançado e ainda permitem uso de recursos de baixo nível do Tensorflow JS para turbinar algoritmos e desenvolver práticas recomendadas de ML.

Tornou-se uma prática comum para os desenvolvedores escrever funções de aprendizado de máquina com linguagens de script da Web comuns. Além disso, é possível construir e treinar um algoritmo com qualquer linguagem de programação desejada e que inclua JavaScript.

Apesar das atualizações tardias de linguagem, existem desenvolvedores que são contra o uso de JavaScript para adaptação de máquina em grande parte por causa de seu sistema biológico. Diferente do JS, o ambiente do Python para machine learning é tão desenvolvido e rico que é difícil legitimar a escolha de outro sistema biológico.

No entanto, o fundamento lógico é inevitável e auto-destrutivo. É preciso encontrar pessoas ousadas para trabalhar em questões genuínas de machine learning se precisarmos do JavaScript para se desenvolver. Felizmente, JS tem sido a linguagem de programação mais famosa no GitHub por alguns anos consecutivos e se desenvolve em fama em praticamente todas as medições.

O AutoML, assim como qualquer ferramenta, possui limitações que podem ser um impeditivo para sua utilização. Contudo, grande parte das críticas se concentram em aspectos ligados ao conhecimento de domínio e na parte da técnica em si.
O AutoML, assim como qualquer ferramenta, possui limitações que podem ser um impeditivo para sua utilização

5. Vantagens e desvantagens do AutoML

O AutoML, assim como qualquer ferramenta, possui limitações que podem ser um impeditivo para sua utilização. Contudo, grande parte das críticas se concentram em aspectos ligados ao conhecimento de domínio e na parte da técnica em si.

E não são apenas os debates sobre automação que estão em processo avançado com o uso de ferramentas como AutoML, também existe uma adequação de novas filosofias de trabalho em ciência de dados que vão se tornar protagonistas em diferentes frentes como, por exemplo, a importância de se classificar uma IA, como sendo feminina ou masculina, entre outros pontos.

Por conta da simplicidade e conveniência oferecida pelo AutoML, a adoção da filosofia de trabalho se torna mais atraente e voltada para uma automação completa, em que o cientista de dados prioriza o resultado final em detrimento do entendimento das razões do resultado.

Em outras palavras, a automação reduz a necessidade de memorizar e exercitar a modelagem algorítmica. Isto pode levar potencialmente à degradação das habilidades dos cientistas de dados e engenheiros de machine learning como, por exemplo, a compreensão dos algoritmos ou das sutilezas de um determinado resultado. O que pode comprometer o entendimento do que está sendo entregue.

Uma troca comum quando falamos de automação de processos humanos de análise, é a substituição da repetição de tarefas com um consequente aumento da velocidade de entrega. Entretanto em grande parte das implementações de AutoML, a automação implica no uso de heurísticas e estratégias de convergência dos algoritmos não muito claras.

6. Cloud: desenvolvendo soluções de I.A na nuvem

A vida moderna exige cada dia mais intercâmbio entre novas tecnologias, e como a tendência do mercado tecnológico é viabilizar cada vez mais o uso da inteligência artificial, quanto mais cedo você se adequar a esta realidade, melhor será para os seus negócios.

No entanto, quando pensamos na economia e otimização de recursos empresariais que a IA em nuvem traz, é preciso conhecer detalhes dessas tecnologias que trabalham juntas. Nesse sentido, é importante lembrar que apenas empresas de investimento elevado, profissionais experientes ou especialistas conseguiam aplicar a tecnologia no ambiente de negócios.

A utilização recente, e em massa dos serviços em nuvem, já permite que empresas vejam a necessidade de usar a IA em conjunto no seu dia a dia. Por outro lado, é evidente a fusão entre a computação em nuvem e a inteligência artificial de forma cada vez mais prevalente.

Os avanços da tecnologia não devem parar por aí. Se existe uma característica que podemos enaltecer, é sua capacidade de trazer novidades a cada instante e oferecer funcionalidades de modo efetivo para permitir que empresas e pessoas se comuniquem de forma ágil.

O importante é entender que essas tecnologias estão presentes em nosso dia a dia, e vão ficar ainda mais inteligentes como assistentes. Para não ficar por fora dos avanços da tecnologia, já sabe, Siga o Tag Chat nas redes sociais e se inscreva para receber o nosso newsletter.