| Este texto é baseado na resenha do seguinte artigo: Benke, K., & Benke, G. (2018). Artificial Intelligence and Big Data in Public Health. International Journal of Environmental Research and Public Health, 15(12), 2796. Link: 10.1016/j.healthpol.2022.07.008 |
Introdução
Este artigo tem como objetivo apresentar e descrever os fundamentos da Inteligência Artificial (IA) e do Big Data no contexto da saúde pública. Os autores destacam que muitos periódicos prestigiados, incluindo JAMA e Nature Reviews, publicaram recentemente pesquisas que destacam benefícios potenciais sobre esses dois temas. Embora os exemplos fornecidos no artigo não sejam exaustivos, eles foram selecionados para abranger uma ampla gama de interesses em saúde pública, como epidemiologia, medicina de precisão, triagem médica, entre outros.
Além disso, esse artigo levanta questões éticas e suas implicações para os futuros papéis de especialistas e suas opiniões. Os autores discutem possíveis respostas e avaliam a necessidade de iniciar conversas sobre o engajamento com a IA entre os profissionais do setor de saúde pública.
O que é Big Data?
Big Data é um termo que se refere a conjuntos de dados extremamente grandes e complexos, que não podem ser processados e analisados de maneira eficiente pelos métodos tradicionais de processamento de informações devido ao volume, à variedade e à velocidade. Métodos tradicionais de processamento de dados referem-se a técnicas de processamento de dados que são comuns há décadas e que geralmente envolvem o uso de sistemas de gerenciamento de banco de dados (SGBD), como bancos de dados relacionais. Esses métodos são geralmente adequados para processar conjuntos de dados menores e relativamente simples, onde a maioria dos dados é estruturada e bem organizada.
Os conjuntos de dados de Big Data podem incluir informações estruturadas, semiestruturadas ou não estruturadas, e podem envolver inter-relações complexas de natureza sintática, semântica, social, cultural, econômica e organizacional. Além disso, pode haver incertezas na informação que é inserida no processo de análise de dados, tornando difícil para humanos e computadores tomarem decisões precisas. Isso inclui vieses, erros de entrada de dados, registros duplicados, registros ausentes e registros digitais incompletos relativos a informações sobre data, idade, sexo ou outras variáveis.
A análise de Big Data envolve o uso de técnicas avançadas de processamento de dados, como algoritmos de aprendizado de máquina e inteligência artificial (IA), para extrair informações valiosas e insights úteis a partir desses dados. O atual foco global em Big Data na internet foi associado ao surgimento da inteligência artificial (IA) na elaboração de análises e tomada de decisões após os recentes avanços na tecnologia de computadores.
O que é Inteligência Artificial?
A inteligência artificial (IA) é um termo usado para descrever uma máquina ou processo que pode aprender com novas informações e ajustar sua operação para funcionar melhor. Isso é feito usando matemática, estatística, lógica e programação de computadores. O treinamento de IA ocorre em uma fase de formação, onde o modelo é ensinado a partir de um conjunto de dados em um processo de tentativa e erro. O objetivo é melhorar a precisão do modelo para que ele possa fazer previsões mais precisas.
Depois de treinado, o modelo de IA pode ser usado para tomar decisões com novos dados, como identificar e classificar coisas. Isso é chamado de “aprendizado supervisionado”, porque é como o sistema aprende com feedback, em um processo de aprendizado com objetivos definidos. Por exemplo, o IA pode ajudar a diagnosticar doenças usando resultados de testes médicos, ou atribuir nomes corretos a imagens sobre diferentes tipos de câncer de pele. A IA tem um grande potencial na área de medicina de precisão, devido à enorme quantidade de recursos necessários para análises preditivas de Big Data.
Existem modelos de IA que realizam aprendizado não supervisionado usando determinadas técnicas de agrupamento (como o algoritmo k-means), para descobrir grupos importantes ou definir características nos dados. Um dos desafios futuros da IA é como usar muitos dados para compreender questões complexas da mesma forma que os humanos fazem. Por exemplo, na medicina, pode ser possível criar um programa de computador que possa ajudar a converter resultados clínicos em relatórios médicos ou explicação verbal de forma automática, uma espécie de especialista digital.
Como ilustrar essa relação entre Big Data e Inteligência Artificial?
No artigo, os autores colocam um diagrama que mostra as relações e diferenças entre Big Data e IA e como esses dois mundos interagem. A figura abaixo apresenta uma versão traduzida desse diagrama.
Exemplos de aplicações de Big Data e Inteligência Artificial na saúde
Selecionamos exemplos de aplicações que os autores trouxeram no trabalho:
- Epidemiologia: um estudo pioneiro em epidemiologia demonstrou o enorme potencial do Big Data para detectar precocemente a propagação de epidemias através do rastreamento de consultas online sobre sintomas de doenças, utilizando plataformas de mídia social como o Google Search e o Twitter. O reconhecimento de padrões e a análise de dados foram utilizados como ferramentas para detectar, reconhecer e classificar padrões de doenças relacionados à incidência de conjuntivite. Os resultados do estudo indicaram que a vigilância de consultas online pode possibilitar o alerta precoce e a detecção de ameaças de biossegurança e epidemias de influenza. A pontualidade da detecção e intervenção precoce são benefícios óbvios sujeitos à validação adicional por meio da correlação com dados concretos, incluindo registros médicos eletrônicos, vendas de medicamentos e internações hospitalares.
- Medicina de precisão: é outro exemplo de aplicação do Big Data, em que ensaios clínicos são baseados na seleção de pacientes com base em seu perfil genético, que fornece biomarcadores para tratamento personalizado, em vez de uma abordagem padrão para toda a população. A seleção de indivíduos que compartilham a mesma anormalidade genética para ensaios clínicos leva ao desenvolvimento de medicamentos e tratamentos mais precisos com os medicamentos existentes. As vantagens adicionais incluem redução no tamanho da amostra e variabilidade reduzida em ensaios clínicos, sem a necessidade de um placebo. Além disso, existe o potencial do sequenciamento do genoma para produzir maior sensibilidade diagnóstica e tratamento individualizado.
- Algoritmos de diagnóstico: uma recente pesquisa destacou a validação de um algoritmo de inteligência artificial altamente sensível (87%) e específico (98%), que superou o desempenho de especialistas humanos na detecção de retinopatia diabética e edema macular diabético (EMD). Esse algoritmo foi treinado com um grande conjunto de imagens rotuladas, e a discriminação foi baseada na utilização da imagem completa como um padrão, seguida pela validação em imagens de teste de um banco de dados. Esse método ajudou a reduzir a variabilidade das imagens sem a necessidade de transformações específicas para obter bons resultados.
Conclusão
Neste texto, foi abordado o potencial da Inteligência Artificial (IA) e do Big Data na análise de dados em saúde pública e ciências médicas. A utilização dessas tecnologias pode alterar a forma como são feitas triagens de rotina em diagnósticos especializados, bem como na prática geral e patologia de rotina. Para aproveitar os benefícios dessas tecnologias na saúde pública, é essencial ter uma compreensão mais profunda das mesmas, incluindo questões éticas e a necessidade de uma estrutura regulatória abrangente.
A combinação de IA e Big Data pode ter efeitos significativos no nosso futuro, e o papel dos médicos especialistas pode ser desafiado à medida que essas tecnologias se tornarem mais difundidas e integradas. Há perguntas sobre se a IA pode assumir o lugar dos humanos em diagnósticos médicos e qual será o futuro papel dos especialistas humanos.
Por que indicamos esse artigo:
O Big Data e a Inteligência Artificial (IA) têm uma importância cada vez maior na atualidade, pois ajudam as empresas e organizações a lidar com grandes quantidades de dados de forma mais eficiente e eficaz, gerando insights valiosos e permitindo a tomada de decisões mais informadas. Entretanto, a vasta capacidade de utilização e aplicação desses instrumentos traz tantas possibilidades que torna-se fundamental que pesquisadores investiguem a utilização em setores específicos.
Desse modo, trouxemos esse artigo por ser um dos mais atuais a discutir conceitos e mostrar práticas de utilização de Big Data e Inteligência Artificial em um mesmo espaço para saúde pública. Sendo assim, entendemos que o artigo contribui para aqueles que não estão familiarizados com o tema e também aprofunda ao mostrar aplicações desses tópicos de tecnologia para aqueles que já possuem conhecimentos mais avançados.
