Desde que os computadores começaram a ser utilizados em larga escala na metade final do século XX, de acordo com as necessidades, foram desenvolvidos algoritmos e programas a fim de modelar e analisar grandes quantidades de dados.
No final do século XX, foram popularizadas as técnicas de aprendizado de máquina, ou machine learning. Essas técnicas consistem na tomada de decisões e execução de tarefas a partir da inteligência artificial. O aprendizado ocorre pela determinação de um conjunto de regras, geradas por meio da análise de um banco de dados, ou até mesmo por modelos previamente estabelecidos. Isso possibilita ao modelo gerado reconhecer padrões, para enfim, tomar decisões para a execução de tarefas.
O machine learning pode especificar-se em deep learning, utilizado para interpretação e manipulação de dados, variando desde imagens, discursos de voz, interpretação de textos e outros. Este modelo aprende constantemente, sem uma possível e natural intervenção cultural, e tampouco apresenta dificuldades comuns ao aprendizado humano. Pode, com isso, unir todo o conhecimento obtido, ou input, e processá-lo em busca de uma resposta, ou output, em uma velocidade que nenhum humano conseguiria alcançar.
Utilização do machine learning na área médica
Essas técnicas de deep learning têm sido empregadas desde o início do século XXI em hospitais modernos, os quais são equipados com aparelhos que reúnem e compartilham grandes quantidades de dados em sistemas de informação; estes dados são aplicados para análises clínicas utilizando inteligência artificial.
Atualmente, estudos mostram que as técnicas de inteligência artificial podem ser mais precisas que a avaliação humana para diagnósticos na área de medicina. Somado a isto, em casos urgentes, que necessitam de uma rápida intervenção médica, a utilização do deep learning para uma ligeira análise de dados se faz ainda mais necessária, a fim de que, em poucos minutos, uma medida possa ser tomada para evitar potenciais sequelas e até mesmo a morte de pacientes.
Além da grande aplicabilidade, um único modelo de deep learning preciso pode ser utilizado de maneira convincente em diversas formas de diagnósticos na área médica. Atualmente na identificação de diversas complicações médicas, como retinopatia diabética, riscos cardiovasculares, lesões mamárias, lesões de melanomas, doenças de retina (a partir de imagens oculares), problemas de coluna, entre inúmeros outros exemplos, atuando até mesmo na predição de doenças. Você pode se aprofundar mais clicando aqui.
Um exemplo palpável que podemos mencionar resumidamente aqui é na detecção de câncer de pele. Em seu diagnóstico notamos o que são denominados melanomas e não-melanomas. Embora muito menos comum, os melanomas são responsáveis pelo maior índice de mortalidade pelo câncer de pele. Na imagem a seguir, podemos ver a segmentação das imagens por algoritmos, definindo o carcinoma espinocelular em A e o carcinoma basocelular em B, sendo estas as formas mais comuns de câncer de pele, enquanto em C o melanoma maligno, mais letal de câncer de pele.
As mudanças na pigmentação são as características mais consideradas na detecção. Porém, muitas vezes devido ao modo como a imagem é registrado, diversos fatores devem ser levados em consideração para não confundir o algoritmo de detecção, causando segmentações ruins da imagem, como é o caso de iluminação, ambiente e instrumento utilizado no registro.
Os sistemas de inteligência artificial substituirão os humanos?
Com isso, inúmeras questões são levantadas sobre a possibilidade da aplicação da biotecnologia, aliada a sistemas da informação e bioinformática na criação de máquinas inteligentes, substituírem a atividade profissional de médicos. Isso, em muitos países já é realidade, como no Reino Unido e China.
Isso ocorre por meio de um atendimento personalizado e automatizado, o que evidencia uma grande vantagem, uma vez que pode-se processar dados simultâneos de inúmeros pacientes, obter informações na literatura científica sobre como proceder em um caso clínico, além de poder processar e interpretar o resultado da interação entre os remédios a serem ministrados.
Um possível argumento que os pacientes prefeririam um atendimento diretamente com um médico humano pode ser facilmente refutado em alguns casos. Isso porque, atualmente somos reféns do tempo, fazendo com que muitos pacientes prefiram um atendimento e diagnóstico preciso e rápido a marcar um horário específico com um médico. Isso evita o surgimento de contratempos, além de obter resultados fidedignos, independentes da presença humana.
Outro fator que poderia estimular a aceitação desses robôs para atendimento seria nos casos em que o paciente apresente uma eventual timidez em contar sintomas ou comportamentos e hábitos para um médico.
Aliado a isso, a utilização de máquinas para diagnósticos médicos será de grande importância em locais de difícil acesso, ou onde há poucos médicos, como é o caso da Amazônia – onde muitas pessoas tem raríssimas consultas durante a vida. Na China, máquinas já são atualmente utilizadas, não apenas para diagnósticos, como também para cirurgias, como foi o caso do primeiro implante odontológico sem qualquer interferência humana.
Porém, mesmo com todas essas prerrogativas, os médicos humanos sempre existirão, mesmo que em menor número, uma vez que esses ainda serão necessários para desenvolver as máquinas, além de operá-las. Somado a isto, o pensamento crítico e humano por parte destes será essencial em inúmeros casos, não podendo assumir a sua extinção como função e profissão.
Um possível contraponto de se utilizar robôs para exercer diagnósticos e funções médicas é que haverá uma lacuna do paciente com o conhecimento da enfermidade a ser enfrentada. Isso porque, poderia não haver um contato direto com o sistema artificial como é com um médico humano, impedindo que muitas dúvidas possam ser sanadas de maneira natural (uma vez que falar com o sistema de reconhecimento de voz da Google, por exemplo, nunca será igual falar com outro humano). Além disso, seria necessária a aceitação por parte da população, a fim de evitar correntes de pensamento do tipo “essa máquina não sabe nada, não vou seguir as orientações”.
Com isso, é possível notar o grande avanço da ciência, em geral, contribuindo para a saúde pública, bem como democratizá-la com modos eficientes e práticos de diagnósticos e acompanhamento de pacientes, seja no local ou a distância. Sendo uma grande e promissora área da Biotecnologia e Bioinformática que promete muito ainda o que evoluir e revolucionar a medicina e outras áreas, podendo, até mesmo, tornar alguns profissionais obsoletos. Se interessou pelo tema e quer saber mais sobre? Você pode obter mais informações clicando aqui e aqui.
