Identificar casos de uso correctos para IA é desafio na Saúde

Garantir qualidade dados constitui outro problema e sem conhecimento sobre a área clínica de pouco vale ter um cientista de dados, nota Jeroen Tas, director de inovação na Philips.

Jeroen Tas acredita que o uso de Inteligência Artificial (IA) ajudará a democratizar o acesso a melhores serviços de Saúde. Mas o “Chief Innovation & Strategy Officer”, director de inovação e estratégia, na Philips considera que definir os casos de utilização da tecnologia mais correctos é um importante desafio.

Outro, bastante difícil, será o de levar os utilizadores a mudarem a forma de trabalhar, usando IA e em função de dados e informação.

Computerworld ‒ O que é para si ou para a Philips a Inteligência Artificial?

Jeroen Tas ‒ Sistemas que lidam com informação complexa em que múltiplos factores entram na equação, que servem para dar sentido aos dados que surgem de várias fontes. Mas também para descobrir padrões-base de antevisão.

Fazemos muita aprendizagem hierarquizada sobre imagens. Cada vez mais conseguimos interpretar o que se vê numa imagem mesmo ao nível do pixel.

Podemos quantificar o cancro numa imagem. Conseguimos olhar também para as redondezas do cancro e medir o seu grau de agressividade e se as células estão vivas ou mortas numa imagem.

CW ‒ Portanto, está mais centrado no reconhecimento de imagens?

JT ‒ Sim, reconhecimento de padrões feito pela nossa equipa de ciência de dados. Não lhe chamamos IA, porque também usamos métodos estatísticos e regras de heurística. Fazemos igualmente muito processamento de linguagem natural.

E também fazemos aprendizagem de máquina com os médicos a treinarem dispositivos. Temos já vários produtos no mercado, como o IntelliVue Guardian.

CW ‒ Como garantem a qualidade dos dados?

JT ‒ É de facto a questão mais importante. Interessa-nos saber a proveniência dos dados, em que condições foram obtidos e vemos muita variação na qualidade.

Portanto, até estamos a usar IA para avaliar a qualidade dos dados introduzidos. A primeira coisa que a equipa verifica é a qualidade das fontes dos dados.

CW ‒ Mas fazem isso de forma automática?

JT ‒ Com ferramentas, mas também de forma manual, porque se sente necessidade disso.

CW ‒ Sentem que é preciso haver necessidade de haver uma monitorização humana?

JT ‒ Acho que nos cuidados de saúde em última instância precisamos de um julgamento humano. Por exemplo, podemos analisar uma imagem e evidenciar o que o sistema “vê”, mas o radiologista terá ainda de concordar com o que fica registado.

Acontece o mesmo com os nossos sistemas que monitorizam pacientes. Podemos olhar para dois mil elementos de dados em simultâneo e depois olhar para a saúde do cérebro, do coração e dos órgãos principais.

Temos um fluxo de dados contínuo e usamos 20 algoritmos centrais na cloud para processar informação e dos quais se obtêm resultados e classificações. Mas será sempre a enfermeira a tomar quaisquer decisões, embora o sistema também faça sugestões.

CW ‒ Mesmo na avaliação da qualidade dos dados vê a avaliação humana como fundamental?

JT ‒ Nesta fase sim.

CW ‒ E no futuro, não?

JT ‒ Já estamos a treinar a IA para avaliar os seus dados.

CW ‒ Os falsos positivos ainda são um problema muito relevante.

JT ‒ Sim.

CW ‒ Mas usam algum processo com redundância?

JT ‒ Tudo é interactivo, mas é preciso ver também se o contexto implica uma decisão clínica. Mesmo que apenas seja para a gestão das prioridades dada a pacientes no acesso ao tratamento, com base na acuidade dos seus problemas. O sistema não deixa de ser um equipamento clínico. Mesmo sendo apenas um algoritmo.

Os resultados têm de ser garantidamente previsíveis e importa providenciar as evidências de que funciona, para se obter certificação. Entretanto fazem-se melhorias no algoritmo, com a ingestão de mais dados.

Todos os trimestres se faz uma actualização e se revalida a certificação. Os regulamentos do sector acabam por ajudar a definir as evidências científicas de que as coisas funcionam.

E se ocorrem muitos falsos positivos nunca se chega a obter a validação.

CW ‒ Ao exercer o seu cargo, quais foram os principais desafios que teve de enfrentar no desenvolvimento da oferta da Philips?

JT ‒ Um dos maiores é conseguir ter a certeza de que se estão a desenvolver os casos de utilização certos [para a tecnologia]. São aqueles que fazem mesmo sentido e em que a tecnologia não é equacionada só por si.

Assegurar fontes de dados com qualidade é outro, mas depois também ter equipas ou profissionais que sejam uma combinação de cientistas de dados e clínicos. Pouco se consegue com cientistas de dados mas sem conhecimento sobre o domínio em questão.

CW ‒ É difícil combinar pessoas dessas áreas diferentes?

JT ‒ É sobretudo difícil descobrir alguém que seja ao mesmo tempo um bom médico e um bom cientista de dados. As nossas equipas são multidisciplinares.

Temos até designers, porque a AI tem de ser exposta, na forma como as pessoas tomam decisões, na maneira como visualizam os dados, como se suporta a tomada de decisão. É preciso perceber como os seres humanos, clínicos ou pacientes, vão interagir com o sistema.

Depois há também a engenharia geral. Posso colocar um algoritmo de AI numa máquina para interpretação de imagens.

Posso colocar num firmware num chip, ou numa cloud, entre outras soluções. É preciso decidir sobre a melhor forma de o tornar parte do equipamento.

Ele não está só. Constitui parte integrante de um produto e é preciso ter engenheiros de produto capazes de pensar nisto.

Tipicamente recorremos à co-criação com clientes. Estamos a desenvolver o núcleo da IA com o Leiden University Medical Center. Em Cleveland trabalhamos também com universidades e hospitais.

Trabalhamos com instituições de investigação para validar o que estamos desenvolver.

CW ‒ Que desafios consegue antever na maior integração de sistemas de IA, no sector público de Saúde?

JT ‒ As pessoas têm de mudar a forma como trabalham. Precisam de mudar o seu fluxo de trabalho, a forma como tomam decisões e colaboram. E isso é difícil para muitas pessoas.

Eu sei que muitos radiologistas optimizaram o seu trabalho para fazer o máximo de análises possível. E agora têm que fazer uma optimização para obter delas o máximo de informação, de forma a se poder fazer o melhor diagnóstico.

CW ‒ Portanto basearem-se mais na informação extraída dos dados.

JT ‒ Sim. Vemos a ciência de dados clínicos como uma enorme área emergente. E os primeiros sítios em que se verá isso aplicado será nos centros universitários de investigação médica, porque estão na vanguarda.

CW ‒ Num projecto de investigação sobre o cancro com recurso à tecnologia “Watson for oncology”, da IBM, nos EUA, uma das críticas feitas por médicos envolvidos é que o sistema ainda está na sua infância, três anos depois de ser implantado. Queixam-se que apesar de o sistema fornecer informação capaz de fundamentar ou consolidar decisões, acrescenta muito pouco de novo. Que comentário pode fazer a isso?

JT ‒ Não posso comentar, mas explico-lhe a nossa perspectiva. Começamos com os médicos, com os utilizadores que precisam de fazer o diagnóstico e procuramos torná-lo mais preciso.

Queremos dar ao médico o que ele não está a ver. E na oncologia há várias disciplinas e profissionais: os radiologistas a olharem para a anatomia do cancro, os patologistas que olham para a estrutura molecular, os oncologistas de radiação, entre outros.

É preciso obter uma visão global e consistente do paciente, para juntos escolherem a terapia correcta.

Isso significa ter um entendimento bom sobre o doente, mas também sobre as terapias disponíveis para o paciente. Portanto, a nossa perspectiva passa por saber qual será a informação necessária de modo a guiar os especialistas para a melhor decisão.

É uma abordagem diferente, partimos da fase da decisão clínica e invertemos curso, procurando saber o que precisamos para obter a informação necessária, potencialmente disponíveis nos estudos mais relevantes.

CW ‒ Como se poderá democratizar o acesso a esta tecnologia e aos seus benefícios? Pode fazer só uma projecção de quando será possível? Parece tudo ainda muito caro.

JT ‒ Isso é só uma percepção que as pessoas têm. A verdadeira revolução nos cuidados de saúde é que agora podemos registar os melhores caminhos e procedimentos. Antes estava tudo na cabeça de um especialista e agora podemos monitorizar todos os diagnósticos e tratamentos.

Além disso, pode criar-se e prescrever terapias, podemos partilhá-las mais facilmente com qualquer entidade.

CW ‒ E isso ajudará a democratizar o acesso a melhores serviços de saúde, baseados em IA?

JT ‒ Sim, penso que há uma forma de se poder aumentar a escala dos cuidados de saúde. Hoje,  os serviços são fornecidos num hospital ou numa clínica por especialistas. E se o conhecimento desses profissionais puder ser codificado em software para ser usado em todo o mundo?

CW ‒ Em unidades que não têm de ser hospitais?

JT ‒ Não terão de ser, porque 80% do que estamos a fazer em Saúde está baseada em informação.

CW ‒ Portanto serviria uma estratégia baseada em redes de pequenas unidades de serviços de saúde em vez de numa concentração em hospitais?

JT ‒ Exactamente. Um dos nossos grandes negócios é o da terapia guiada por imagem, por exemplo usando um catéter inteligente.

Vendemos estes sistemas até para centros comerciais. Com os médicos mais próximos de onde as pessoas estão, os resultados clínicos tendem a melhorar.

Os hospitais mantêm-se como pólos de conhecimento, mas este pode estar também numa rede virtualizada. E aquelas unidades podem monitorizar, à distância, doentes mantidos em redes distribuídas de clínicas.

CW – Quão focada está a Philips na tele-medicina e tele-monitorização?

JT ‒ Muito. Interligamos um hospital em Atlanta (EUA) com outro em Sidney (Austrália) para monitorizarem alternadamente, pacientes um do outro, durante as noites, período para o qual é mais difícil ter pessoal clínico que não esteja cansado.

Tags
O seu comentário...

*

Top