Inteligência artificial para fazer previsões em saúde

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 Zika, dengue e chikungunya

 

(Foto: Infográfico G1)

 

 

Na USP, um dos projetos em desenvolvimento pelo Labdaps vai buscar prever qual a probabilidade de um determinado paciente que chega a um serviço de saúde com suspeita de zika, dengue ou chikungunya realmente ter uma dessas doenças.

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.

Probabilidade de morrer nos próximos anos Outro projeto em andamento no Labdaps envolve um grupo de mais de 2 mil idosos que começaram a ser acompanhados no ano 2000. Até hoje, um terço dos participantes já morreram. Os pesquisadores estão coletando centenas de dados sobre os voluntários, como presença de doenças, hábitos, alimentação, prática de exercícios físicos, histórico de casamento, filhos, convivência social, entre outros.

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 triagens de quem precisa de mais atenção."

Foto do topo: REUTERS/Kacper Pempel/Illustration/File Photo