Publicado em 19/10/2016
Novo laboratório no Brasil usará inteligência artificial para fazer previsões em saúde
Entenda como big data e machine learning podem revolucionar a saúde. Projetos incluem previsão de mortalidade e triagem para emergências como a de zika.
A mesma tecnologia que possibilita que um aplicativo indique qual é o caminho sem trânsito ou sugira quais séries você deve gostar de assistir pode revolucionar a saúde num futuro próximo. Um laboratório que será inaugurado este mês na Faculdade de Saúde Pública da Universidade de São Paulo (FSP-USP) já está usando os conceitos de big data e machine learning para fazer previsões importantes para a saúde pública.
O machine learning é um
tipo de inteligência artificial em que o computador usa dados coletados
(conjunto chamado de big data) para reconhecer padrões e tendências de modo a
“aprender” com a experiência e fazer previsões seguras.
“A ideia é incentivar o
uso de dados e métodos rigorosos para resolver os principais problemas de saúde
pública no Brasil”, diz o economista Alexandre Dias Porto Chiavegatto Filho,
professor da FSP-USP e coordenador do Laboratório de Big Data e Análise
Preditiva em Saúde (Labdaps).
Um exemplo de como isso
já está sendo aplicado é o supercomputador Watson, da IBM. Capaz de “ler” uma
quantidade enorme de artigos científicos, diretrizes de sociedades médicas,
base de dados de pacientes, o sistema usa toda essa informação para ajudar
médicos a fazerem diagnósticos difíceis ou pesquisadores a encontrarem
moléculas candidatas a tratar determinadas doenças, por exemplo
O sistema vai coletar dados de milhares de pacientes que chegam aos serviços com suspeita dessas doenças em momentos de surto, como o que vivemos hoje. Ao observar as características dos pacientes que tiveram o diagnóstico confirmado, o sistema identifica padrões capazes de prever quais futuros pacientes têm maior probabilidade de realmente ter a infecção.
“A ideia é ajustar e treinar esse algoritmo para ver se ele consegue, com base nas características da pessoa, sintomas, região, indicar se ela provavelmente tem ou não tem a doença”, explica Chiavegatto Filho. Em momentos de crise, em que é difícil atender todos ao mesmo tempo, essa triagem inicial ajudaria a focar os esforços nos pacientes com maior risco de estarem infectados.
A ideia é conseguir predizer o risco de morte de determinado paciente nos próximos 5, 10 e 15 anos com base em padrões verificados nessa amostra de dados. "São padrões complexos que a gente não entende muito bem, mas quando testamos, funcionam", diz o pesquisador.
"Nossos recursos em saúde são limitados, por isso tem que priorizar uma coisa à outra e focar em pessoas que mais precisam do serviço de saúde. A ideia é ajudar serviços de saúde a definir as prioridades em trigens de quem precisa de mais atenção."