This site is operated by a business or businesses owned by Informa PLC and all copyright resides with them. Informa PLC's registered office is 5 Howick Place, London SW1P 1WG. Registered in England and Wales. Number 8860726.

HOSPITALAR 2019 Já emitiu sua credencial gratuita? Clique aqui

A líder em AI mira na saúde

By 11 de janeiro de 2019 TI e Inovação

A NVIDIA é imparável em inteligência artificial? Esse foi o título de uma matéria da Forbes, em 2018, sobre o impressionante sucesso da empresa nessa área. Para eles, a NVIDIA não é uma empresa de GPU (Unidade de Processamento Gráfico), mas sim uma “empresa-plataforma” com um apetite insaciável pelo crescimento, dada sua expertise em AI, hardware e software.
Em dezembro, conhecemos o recente headquarter da empresa, em Santa Clara. Fomos recebidos pelos principais executivos da empresa no setor de inteligência artificial para saúde, o time majoritariamente feminino, explicou as diferentes formas de se implementar AI, seus principais cases e posicionamentos.
A inteligência artificial está revolucionando todas as indústrias e nos ajudando a resolver problemas nunca antes imagináveis. Tudo começou com a revolução dos computadores pessoais, que possibilitou o acesso, em massa e diretamente dos lares. Então, a revolução dos dispositivos móveis, colocando um “computador” em todos os bolsos. Por fim, a nuvem tornou nossos dispositivos supercomputadores. Agora, é a vez da AI, colocando inteligência em todos equipamentos ao redor do mundo.
“Isso vai desencadear um nível de inovação que nunca vimos! Quando digo Inteligência artificial, eu me refiro a um termo guarda-chuva sobre a situação de uma máquina simular a forma como um ser humano pensa.” disse Rima Alameddine, Vice-Presidente de Inteligencia Artificial da empresa. Em geral, no aprendizado de máquina, um cientista de dados trabalha junto com um especialista para selecionar características importantes para o modelo. Já Deep Learning, uma abordagem mais nova, é um mecanismo no qual o modelo aprende com base nos dados, não há a necessidade de um especialista, as características são auto selecionáveis, um software escrevendo outro software, capaz de produzir resultados incríveis.
Para aproveitar esse potencial, é necessário entre outras coisas, muitos dados e capacidade de processamento computacional. Então entram os GPUs, que permitem a execução desses modelos altamente complexos, desde imagens médicas a análise genômica, passando pela descoberta de novas drogas. Um bom poder computacional viabiliza que médicos comparem resultados e histórico de um único paciente com bilhões de dados populacionais, para citar.
Historicamente, somente dados estruturados eram utilizados nos modelos, o deep learning abre novas possibilidades com NPL (processamento de linguagem natural), que agora também passa a identificar áudios, escrita e vídeos por exemplo. Segundo Rima, é possível analisar uma imagem e detectar se existe câncer através da chamada técnica de classificação. Ainda é possível descobrir a extensão do tumor, prever a probabilidade de sobrevida ou recomendar terapias baseado em todo o universo de dados combinados.
Basicamente há três formas de começar a trabalhar com AI: realizar parcerias com startups que possuam aplicações relevantes para o seu business, que é a mais simples das opções; adaptar um modelo que já existe e treiná-lo com os próprios dados; ou desenvolver do zero, caso esteja interessado em criar algo totalmente novo.
Quando vamos mais fundo no que está acontecendo na saúde, o impacto desse movimento já pode ser sentido em todo o espectro, incluindo na esfera de cuidados clínicos. Queremos diagnosticar mais cedo e tratar os pacientes com a maior eficiência assistencial e operacional possível. Prever crises, internações, descobrir novas drogas e integrar, de fato, a medicina de precisão.
De acordo com o artigo da NCBI, um terço da população mundial diabética tem sintomas de Retinopatia Diabética, e destes, mais de 30% têm a possibilidade de virem a ficar cegos pela condição. Rima conta que a IDX, em parceria com a NVIDIA, criou um sistema, já aprovado pelo FDA, que aponta a situação em contexto de primária, identificando-a antecipadamente, uma vez que a frequência ao comparecimento nesse tipo de consulta é maior do que na especialidade de oftamologia.
Outro exemplo é a parceria com a Subtle Medical com redução do tempo que o paciente fica na máquina de ressonância magnética, em cerca de 15%, e redução da quantidade de contraste injetado, possível através de AI na reconstrução da imagem. As vantagens são inúmeras tanto para a experiência do paciente no maior conforto – especialmente lidando com crianças, quanto para o melhor fluxo de atendimento para o provedor, menor custo para o hospital pela melhor utilização de demanda do equipamento.
A Clara, é o SDK (Software Development Kit) da empresa que suporta esses desenvolvimentos. Sandra Chehab, responsável global por healthcare com foco em AI e deep learning na NVIDIA, diz que o projeto foi apresentado na GPU Technology Conference (GTC) em 2017. “Houve muito esforço para agrupar em um framework, e que fosse parcialmente open source. Eu penso na Clara como um kit de ferramentas para a saúde. Existem camadas para anotações digitais em exames ou renderização, por exemplo, não é algo isolado”. Ela explica que já existem diversas bibliotecas e os planos são de expansão. Para imagens médicas, o trabalho muitas vezes é realizado em conjunto com outras empresas como Philips, GE ou Siemens. Para os que quiserem saber mais, recomendo este vídeo do CEO Jensen Huang sobre o projeto.
Um tema constante em todos os desenvolvimentos e iniciativas de inovação, o combate ao câncer foi diversas vezes citado em múltiplas estratégias. Em uma delas, em colaboração com a Mayo Clinic, eles perceberam que poderiam receber muito mais informações de uma ressonância magnética do que estavam procurando. Em uma ação normal após a descoberta de um tumor, realiza-se uma biópsia para entender a composição genética do tumor e sugerir um tratamento. Mas foi identificado que, utilizando certas ferramentas, era possível mapear informações como composição genética, textura, tamanho, e outros dados na própria imagem, sem a necessidade do procedimento invasivo. A precisão alcançada hoje é de 92%, e está sendo utilizada na Mayo como segunda opinião, em paralelo com o aprimoramento da taxa de acerto do algoritmo.
Outro case é uma aplicação que analisa uma grande quantidade de imagens e cria um modelo que pode identificar áreas cancerígenas, e através de um mapa de calor otimiza a decisão médica. “Atualmente, os médicos podem identificar áreas problemáticas em uma imagem com uma taxa de 96% de precisão, com a adição do sistema, esse número sobe para 99,5%. Pode parecer pouco, mas significa que, a cada 100 diagnósticos, teremos mais 3 sendo realizados corretamente”, defende Rima.
Em Yale, uma parceria entre a NVIDIA e a Aidoc já está em andamento. A aplicação é capaz de priorizar possíveis exames de pacientes em situações de emergência para radiologistas do hospital. Ou seja, os exames não chegam em ordem cronológica para a análise, e sim em possível ordem de importância, nos quais tempo é fundamental para a assistência.
Segundo a vice presidente, muitos casos de deep learning foram mostrados, mas muitas otimizações podem ser realizadas com abordagens mais tradicionais. “A quantidade de dados nos hospitais é muito valiosa!”. Por exemplo, é possível prever quais pacientes provavelmente não comparecerão às suas consultas e enviar lembretes, ou fazer um overbooking nesse período. São casos que não exigem muita expertise e podem economizar milhões.
Sandra conta que uma preocupação recorrente do corpo clínico é se a inteligência artificial substituirá os médicos. “Estamos aqui para ajudá-los e empoderá-los em seu fluxo de trabalho. Um radiologista passa cerca de 60% do seu tempo olhando para casos extremamente normais. Porque não utilizar esse tempo nos 40% dos casos que são mais complexos, e permitir que a AI os ajude com o resto? A inteligência artificial nunca vai substituir um médico, mas médicos que souberem utilizar AI substituirão os que não acompanharem essa tecnologia. A combinação da tecnologia com o conhecimento, e a competência médica, criam algo muito mais poderoso e eficaz do que temos hoje”
No final, Rima disse que existe um potencial enorme para a inteligência artificial no Brasil, em termos de entrega de eficiência e novas possibilidades, mas há uma grande jornada até a sua consolidação. “Pensem em uma coisa na qual podemos ajudar, somente uma no início. Redução de despesas, melhoria do fluxo de trabalho, qualidade… E tentem dar o primeiro passo”, aconselha Sandra

Fernanda Fortuna

About Fernanda Fortuna

Engenheira Biomédica pela Universidade Federal do ABC, Fernanda passou um ano na Escócia estudando Engenharia Mecânica. Após retornar ao Brasil, emprendeu na área de robótica e reabilitação. Apaixonada por tecnologia e saúde, hoje atua na curadoria de conteúdo para os eventos Saúde Business Fórum, Hospitalar e Healthcare Innovation Show.

Leave a Reply