COVID-19. Como é que a inteligência artificial ajudar?

Com a pandemia que atravessamos, seria perfeito contar com a ajuda da IA no diagnóstico e tratamento médico.  Este é o objetivo do diagnóstico automático médico (MAD, no acrónimo em inglês), mas, como todas as aplicações de machine learning e IA, os modelos preisam de treino. 

Para esta experiência e treino, é normal que ocorram algumas falhas, o que não pode acontecer visto que estamos a lidar com uma situação de risco onde se lida com a vida de muitos humanos e não existe espaço para falhas nas interações médico-paciente reais ou para deixar o agente de IA diagnosticar mal pacientes reais.

Desta forma, muitos são aqueles que procuram desenvolver um simulador de pacientes para treinar modelos de machine learning, utilizando registos reais de diálogo médico-paciente. O que muitas vezes não corre bem, visto que os diálogos ocorrem pessoalmente e o médico que observa o paciente faz observações que não são captadas. 

O treino exige que a amostra represente a grande diversidade entre os pacientes, visto que os resultados desta experiência só podem ser bons se a IA conseguir trabalhar com a diversidade da amostra.

O grande problema da utilização de inteligência artificial na medicina é como simular sintomas de pacientes de forma útil?

Simular sintomas de pacientes pode ser complicado, mas alguns investigadores da Universidade Sun Yat-sen (da China) e da UCLA (dos Estados Unidos) propuseram uma solução: um simulador de pacientes baseado na propensão (PBPS, na sigla em inglês).

O PBPS é, em si, uma rede neural treinada para estimar a propensão de um paciente quando relata um sintoma específico. A resposta do PBPS é inserida nos dados de treino para complementar os dados factuais dos registos clínicos. Este pode utilizar dados de interações clínicas posteriores e uma segunda opinião que inclui sintomas mais subtis. Esta investigação concluiu que esta técnica oferece um diagnóstico rápido e confiável sem um grande número de perguntas.

O PBPS baseia-se num nível mais profundo de dados clínicos, indo além das entrevistas iniciais, o que confere melhores resultados de treino aos sistemas médicos de IA. Concluindo que a grande questão deste tema está na escala a que isto acontece.

Fonte: www.itinsight.pt