Por Nitamar Abdala e Felipe Campos Kitamura*

(Crédito da imagem: https://pixabay.com/pt/inteligência-artificial-cérebro-3382507/)

Inteligência artificial (IA) é usualmente definida como a capacidade de máquinas executarem tarefas caracteristicamente humanas. Essa afirmativa pode suscitar ideias como a de robôs autônomos capazes de simular seres humanos como um todo. O conceito de computadores se tornarem de fato humanos é também conhecido como Broad Artificial Intelligence (AI), traduzido como IA ampla ou geral. Estamos longe disso. O que vemos despontar hoje é a Narrow AI, ou IA restrita, limitada.

O fato de ser chamada de restrita não desvaloriza seu potencial. O que ocorre é que hoje é possível criar algoritmos que desempenham tarefas muito específicas, antes tidas como tarefas exclusivamente humanas. Não entendeu? Até pouco tempo não se imaginava um programa de computador que fosse capaz de ouvir e interpretar uma pessoa falando, como fazem os assistentes de voz de smarphones, ou mesmo identificar o conteúdo de uma imagem. Se você já usou redes sociais, já deve ter se deparado com situações inusitadas do tipo: como elas marcam automaticamente as pessoas que estão nas fotos? Acontece que essa tecnologia pode ser aplicada para qualquer área, inclusive na Medicina.

Uma das técnicas mais promissoras de IA é o deep learning. Explicar essa técnica está fora do objetivo desse texto, mas o que importa saber é que ela depende de dois ingredientes principais: grande banco de dados e computadores potentes. Mas os dados precisam ser classificados, ou seja, precisaremos saber qual a verdade para cada situação. Com isso é possível que o computador aprenda com os dados. Se tudo isso está parecendo muito abstrato, vamos dar um exemplo com um dos projetos de pesquisa realizados no Departamento de Diagnóstico por Imagem (DDI) da Unifesp, em colaboração com a Universidade Federal de Goiás (UFG).

Em 2017, a Sociedade Norte Americana de Radiologia (RSNA), uma das instituições mais respeitadas da radiologia, promoveu uma competição para determinar a idade óssea baseada na radiografia de mão e punho. Eles disponibilizaram 12 mil radiografias classificadas, ou seja, com a informação da idade correta para cada imagem. Com isso, equipes do mundo todo criaram algoritmos capazes de fazer esse cálculo. Dos cinco finalistas, quatro utilizaram a técnica deep learning, inclusive a equipe do DDI/Unifesp.

As aplicações de IA na radiologia são imediatas, pois essa especialidade médica foi uma das primeiras a armazenar informações digitalmente. Mas todas as especialidades serão transformadas por essa tecnologia. Imagine se, no momento da internação, for possível prever se um paciente irá morrer nas próximas 24 horas. Isso já ocorreu. Agora pense se durante uma cirurgia for possível alertar o cirurgião que ele irá cortar a estrutura errada. Pesquisadores de Harvard estão fazendo isso. No DDI, estamos trabalhando em algoritmos que ajudam os radiologistas a errarem menos, além de outros objetivos, como a detecção precoce de AVC.

As mudanças trazidas por essa tecnologia causam sentimentos ambíguos: por um lado há um horizonte de novas possibilidades de melhoria e de redução de custos na Medicina. Por outro lado, há o receio de que isso possa substituir algumas profissões. Fato é que nada substitui um atendimento humano. Se almejarmos o melhor para os pacientes, dificilmente erraremos.

*Nitamar Abdala, chefe da Disciplina de Radiologia do Adulto do Departamento de Diagnóstico por Imagem (DDI) da Unifesp, e Felipe Campos Kitamura, neurorradiologista da Unifesp

As opiniões expressas no artigo não representam a posição oficial da Universidade Federal de São Paulo (Unifesp).