­
­
De Dados ao Diagnóstico: O poder da Inteligência Artificial na Biomedicina | Biomedicina Padrão

De Dados ao Diagnóstico: O poder da Inteligência Artificial na Biomedicina

Por Brunno Câmara - terça-feira, fevereiro 28, 2023


A inteligência artificial (IA) está cada dia mais presente nas nossas vidas.

Em 2023, houve uma explosão e popularização de novas ferramentas de IA, encabeçada pelo ChatGPT

Na área de biomedicina não poderia ser diferente. Há muitas possibilidades de uso da IA dentro da nossa área.

A forma de trabalhar e adquirir conhecimento atual está com os dias contados. A IA não vai tirar seu emprego, mas quem souber usá-la vai.

Se você é um entusiasta de novas tecnologias como eu, e quer ficar por dentro do que há de mais recente, confira abaixo seis aplicações da IA na biomedicina.

1. Análise de imagens médicas

Os algoritmos de IA podem analisar imagens médicas produzidas por tecnologias como ressonância magnética, tomografia computadorizada e, até mesmo, radiografias convencionais.

Isso pode ajudar no diagnóstico de doenças e condições clínicas, incluindo tumores, fraturas e lesões.

Muitos estudos utilizam a IA para estimar a acurácia do diagnóstico por meio do cálculo da sensibilidade e especificidade; outros avaliam desfechos clinicamente importantes.

Outras áreas dentro das análises clínicas, como hematologia, microbiologia e parasitologia, também estão sendo impactadas pelo uso de softwares de análise de imagens com uso de IA.

Se você é biomédico habilitado ou tem interesse em trabalhar com imagenologia ou análises clínicas, é extremamente importante ficar atualizado nas tendências e novidades relacionadas à utilização da IA nessa área.

Antes de continuar a leitura do texto, quero te convidar para conhecer meus cursos:

Continue agora com a sua leitura do texto. Espero que goste.

2. Descoberta de novos medicamentos

Os algoritmos de IA podem testar milhares de moléculas para identificar potenciais drogas candidatas, com alto valor terapêutico, e ajudar a desenvolver novas drogas para doenças específicas.

Por exemplo, a startup Insilico Medicine utiliza a IA para identificar um novo possível medicamento para a fibrose pulmonar idiopática e criar novas moléculas que tem se mostrado com alto potencial e seletividade para o alvo.

Fique atento nessa aplicação da IA se você é biomédico e trabalha nas áreas de fisiologia e farmacologia, principalmente.

3. Análise preditiva e Medicina personalizada

Por meio da IA, é possível analisar uma grande quantidade de bases de dados de registros médicos eletrônicos e dados de pacientes.

Com isso é possível identificar padrões e fatores de risco que podem predizer o início e progressão de doenças, além da resposta aos tratamentos.

Por exemplo, um algoritmo pode analisar o histórico médico de um paciente, seu estilo de vida e seus dados genômicos para predizer o risco de desenvolvimento de doenças cardiovasculares e recomendar medidas de prevenção e tratamento.

Um exemplo disso é o software da IBM chamado Watson for Oncology que analisa dados dos pacientes e é capaz de gerar informações importantes sobre tratamentos.

Biomédicos das áreas de genética, bioinformática e epidemiologia devem estar atentos nesses avanços.

4. Diagnóstico de doenças

Aqui, os algoritmos de IA podem ajudar deixando o diagnóstico de doenças mais rápido.

Ao combinar manifestações clínicas, histórico médico e resultados dos exames laboratoriais, é possível chegar a uma hipótese clínica precisa mais rapidamente e intervir o quanto antes.

Um exemplo é a empresa da Google chamada DeepMind que desenvolveu um algoritmo capaz de diagnosticar a insuficiência renal aguda em menos tempo do que os métodos atuais, por meio da análise de dados do paciente em tempo real.

Outros algoritmos também já foram desenvolvidos para diagnóstico de retinopatia diabética, câncer de pele e tuberculose.

Biomédicos analistas clínicos devem prestar atenção e estudar sobre esses algoritmos.

5. Manutenção preditiva

A IA é capaz de predizer se um equipamento de laboratório/imagem irá falhar ou precisar de manutenção.

Isso diminui o tempo de aparelho parado e otimiza e aumenta o desempenho e eficiência.

Por exemplo, a empresa Siemens Healthineers usa algoritmos de IA para monitorar o desempenho de seus equipamentos de imagem e predizer quando a manutenção será necessária.

6. Processamento de linguagem natural

O processamento de linguagem natural (PLN) é o uso de programas de computadores que utilizam linguagem humana (natural) como entrada (input).

O PLN é uma subárea da IA que foca na interação entre computadores e humanos.

São usados algoritmos para processar, entender e gerar dados de linguagem natural como texto, fala e até mesmo gestos.

Para você ter uma ideia, o PLN tem muitas aplicações, incluindo traduções de idiomas, análise de sentimentos e extração de informações.

Na área biomédica, o PLN pode ser usado para minerar textos da literatura médica, artigos científicos, dados de estudos clínicos e extrair informações valiosas.

Por exemplo, a empresa BenevolentAI tem uma plataforma que integra dados dos mais variados campos do conhecimento como as "ômicas", dados experimentais, literatura, sistemas biológicos e patológicos, moléculas etc., totalizando mais de 85 fontes de dados diferentes.

Analisar tudo isso e integrar esses conhecimentos de forma manual é humanamente impossível. A tecnologia da BenevolentAI faz toda essa parte complexa.

Com isso, os cientistas podem focar em usar o conhecimento analisado e interligado para ter uma compreensão maior de doenças, definir hipóteses científicas e predizer possíveis alvos terapêuticos e novas drogas.

Referências

Oren O, Gersh BJ, Bhatt DL. Artificial intelligence in medical imaging: switching from radiographic pathological data to clinically meaningful endpoints. Lancet Digit Health. 2020;2(9):e486-e488. doi:10.1016/S2589-7500(20)30160-6

DeepMind. Blog Post: Using AI to give doctors a 48-hour head start on life-threatening illness. July 31, 2019.

Powles, J., & Hodson, H. (2017). Google DeepMind and healthcare in an age of algorithms. Health and technology, 7(4), 351–367. https://doi.org/10.1007/s12553-017-0179-1

Liu, Z., Roberts, R. A., Lal-Nag, M., Chen, X., Huang, R., & Tong, W. (2021). AI-based language models powering drug discovery and development. Drug discovery today, 26(11), 2593–2607. https://doi.org/10.1016/j.drudis.2021.06.009

Brunno Câmara Autor

Brunno Câmara - Biomédico, CRBM-GO 5596, habilitado em patologia clínica e hematologia. Docente do Ensino Superior. Especialista em Hematologia e Hemoterapia pelo programa de Residência Multiprofissional do Hospital das Clínicas - UFG (HC-UFG). Mestre em Biologia da Relação Parasito-Hospedeiro (imunologia, parasitologia e microbiologia / experiência com biologia molecular e virologia). Criador e administrador do blog Biomedicina Padrão. Criador e integrante do podcast Biomedcast.
| Contato: @biomedicinapadrao | WhatsApp |