Cientistas anunciaram, na quarta-feira, que desenvolveram um modelo de inteligência artificial (IA) capaz de prever diagnósticos médicos com vários anos de avanço, recorrendo à mesma base tecnológica que sustenta robôs de conversação de uso geral como o ChatGPT.
Como o Delphi-2M usa IA para prever mais de 1.000 doenças
A partir do historial clínico de um doente, a IA Delphi-2M consegue estimar as probabilidades de surgimento de mais de 1.000 doenças ao longo dos anos seguintes, de acordo com uma equipa de instituições britânicas, dinamarquesas, alemãs e suíças, num artigo publicado na revista Nature.
Para treinar o modelo, os investigadores utilizaram dados do UK Biobank (Biobanco do Reino Unido), uma base de investigação biomédica de grande escala que reúne informação detalhada sobre cerca de meio milhão de participantes.
A tecnologia de “transformadores” (o “T” em ChatGPT) aplicada à medicina
As redes neuronais assentes na chamada arquitetura de transformadores - o “T” em “ChatGPT” - são mais conhecidas por resolverem tarefas ligadas à linguagem, como acontece com o popular robô de conversação e com muitos dos seus imitadores e concorrentes.
No entanto, interpretar uma sequência de diagnósticos médicos é “um pouco como aprender a gramática num texto”, explicou aos jornalistas Moritz Gerstung, especialista em IA do Centro Alemão de Investigação do Cancro.
Segundo Gerstung, o Delphi-2M “aprende os padrões nos dados de cuidados de saúde: os diagnósticos que surgem antes, as combinações em que aparecem e a ordem em que ocorrem”, o que permite gerar “previsões muito significativas e relevantes para a saúde”.
Resultados apresentados: estratificação de risco e validação na Dinamarca
Gerstung apresentou gráficos que sugerem que a IA consegue identificar pessoas com um risco muito superior - ou, pelo contrário, muito inferior - de sofrerem um ataque cardíaco quando comparadas com o que seria esperado apenas com base na idade e noutros fatores.
A equipa verificou o desempenho do Delphi-2M testando-o com dados de quase dois milhões de pessoas presentes na base de dados pública de saúde da Dinamarca.
Limitações, enviesamentos e o estado atual antes do uso clínico
Apesar dos resultados, Gerstung e outros membros do grupo sublinharam que a ferramenta Delphi-2M ainda necessita de mais testes e que, por enquanto, não está pronta para utilização clínica.
“Ainda estamos longe de uma melhoria efetiva dos cuidados de saúde, já que os autores reconhecem que ambos os conjuntos de dados (britânico e dinamarquês) estão enviesados em termos de idade, etnia e desfechos atuais em saúde”, comentou Peter Bannister, investigador em tecnologia da saúde e fellow da Institution of Engineering and Technology, no Reino Unido.
Um ponto adicional a considerar é a forma como estes sistemas serão integrados, com segurança, em fluxos de trabalho clínicos reais: desde a qualidade e atualização dos registos clínicos até à definição de responsabilidades quando uma previsão influencia decisões. Também será crucial garantir proteção de dados, governação transparente e auditorias regulares para minimizar riscos de discriminação e de utilização indevida.
Potencial futuro: medicina preventiva e gestão de recursos
Ainda assim, no futuro, sistemas como o Delphi-2M poderão ajudar a “orientar a monitorização e, possivelmente, intervenções clínicas mais precoces, numa medicina efetivamente de natureza preventiva”, afirmou Gerstung.
Numa escala mais ampla, estas ferramentas podem igualmente contribuir para a “otimização de recursos num sistema de saúde sob grande pressão”, disse Tom Fitzgerald, coautor do estudo e investigador do Laboratório Europeu de Biologia Molecular.
Outra área relacionada, ainda pouco explorada no estudo, é a avaliação do impacto económico e operacional: se previsões mais finas reduzirem internamentos evitáveis e melhorarem a priorização de rastreios, pode haver ganhos relevantes - mas só após validação prospetiva, regulamentação adequada e aceitação por parte de profissionais e doentes.
Diferença face a ferramentas já usadas pelos médicos
Em muitos países, os médicos já recorrem a ferramentas informáticas para estimar riscos de doença, como o programa QRISK3, utilizado por médicos de família no Reino Unido para avaliar o perigo de ataque cardíaco ou acidente vascular cerebral.
A diferença, segundo o coautor Ewan Birney, é que o Delphi-2M “consegue fazê-lo para todas as doenças ao mesmo tempo e ao longo de um período prolongado”.
IA interpretável (“explicável”) e responsabilidades éticas
Gustavo Sudre, professor do King’s College London especializado em IA médica, considerou que a investigação “parece ser um passo significativo rumo a uma modelação preditiva escalável, interpretável e - sobretudo - eticamente responsável”.
A IA “interpretável” ou “explicável” é um dos principais objetivos de investigação na área, uma vez que o funcionamento interno completo de muitos modelos de IA de grande dimensão continua, hoje, a ser difícil de compreender até para quem os desenvolve.
© Agence France-Presse
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário