Skip to main content
Esta página é exibida usando tradução automática. Prefere ver em inglês?

Suporte de IA para profissionais médicos

Gerardo Hermosillo Valadez | Inventores do Ano da Siemens | Lifetime Achievement

Tecnologias de imagem, como raios-X, tomografia computadorizada e ressonância magnética, têm ajudado os médicos por décadas, fornecendo imagens detalhadas de estruturas ósseas e teciduais dentro do corpo do paciente. “Todas essas tecnologias nos fornecem dados de imagem que só são úteis no diagnóstico se puderem ser interpretados corretamente. Por exemplo, alguém precisa entender que a linha fina na imagem de raio-X mostra que um osso está quebrado ou notar a massa incomum na grande quantidade de dados de uma ressonância magnética”, diz Gerardo Hermosillo Valadez, da Siemens Healthineers (SHS), inventor do ano de 2024 na categoria Lifetime Achievement. “Meu departamento está trabalhando em processos de IA que podem interpretar imagens médicas e, assim, aliviar e apoiar a equipe médica.”

Interpretação de imagens com inteligência artificial

A man in a suit and tie is standing in front of a building with a large window.

Gerardo Hermosillo Valadez é o inventor do ano de 2024: sua invenção desenvolve inteligência anatômica

As pessoas geralmente são muito boas em ver coisas em fotos. Por exemplo, a maioria das pessoas achará fácil reconhecer a coluna em imagens de raios-X — mesmo que as imagens sejam muito diferentes devido às diferentes posturas do paciente, aos diferentes ângulos dos quais a foto foi tirada, aos ossos grandes ou pequenos ou às espinhas saudáveis versus deformadas. Os computadores só podem fazer isso usando inteligência artificial — com aprendizado profundo — e somente se tiverem sido treinados com muitas amostras apropriadas. “É assim que a inteligência artificial pode desenvolver a inteligência anatômica para que ela possa encontrar seu caminho por meio de imagens médicas e categorizar corretamente os diferentes ossos, órgãos e tecidos”, diz Gerado. “Da mesma forma, a IA pode aprender a diferenciar entre tecidos normais e anormais.”

Inovações que moldam toda a linha de produtos SHS

Existem muitas aplicações diferentes para o reconhecimento de imagens baseado em IA na vida cotidiana em hospitais e consultórios médicos: por exemplo, um sistema pode aprender a exibir os dados de imagem corretos em resposta a uma instrução como “Mostre a omoplata direita”. Ele também pode fornecer suporte automatizado para exames radiológicos que determinam quando o meio de contraste injetado atingiu o órgão a ser examinado e analisar dados de imagem para possíveis alterações patogênicas. Muitas das inovações que Gerardo vem impulsionando são onipresentes em toda a linha de produtos da SHS.

Diferentes estratégias de aprendizado de IA

“A inteligência artificial é tão boa quanto os dados com os quais foi treinada”, enfatiza Gerardo. “Para reconhecer tumores em uma imagem de ressonância magnética, ele deve primeiro ter aprendido com milhares de imagens de pessoas saudáveis e doentes que disponibilizamos para ele.” Existem três abordagens básicas para treinar a IA: aprendizado supervisionado, aprendizado fracamente supervisionado e aprendizado autosupervisionado. No aprendizado supervisionado, a IA recebe informações precisas para cada conjunto de dados: por exemplo, “Há um tumor no canto superior direito da imagem”. No aprendizado fracamente supervisionado, apenas alguns rótulos informativos são fornecidos: por exemplo, tumor ou nenhum tumor. No aprendizado autosupervisionado, os dados não têm nenhum rótulo e a IA aprende de forma independente: por exemplo, ocultando partes das imagens de amostra existentes e “adivinhando” sua aparência.

Person in black shirt standing against white wall, holding a dark object with blurred background.

Sua invenção molda toda a linha de produtos da Siemens Healthineers

Serious man in black shirt with tattoo standing against white wall, partially illuminated from right side

A inteligência artificial pode aprender a encontrar seu caminho por meio de imagens médicas e categorizá-las corretamente.

Quase tão inteligente quanto um atlas de anatomia

O aprendizado supervisionado é a maneira mais rápida e eficiente de a IA aprender, mas é demorado e caro obter dados de treinamento suficientes que levem em consideração todos os aspectos relevantes. O aprendizado autosupervisionado exige mais tempo de aprendizado, mas a IA pode funcionar de forma independente sem a dispendiosa rotulagem de dados. “Recentemente, temos nos concentrado nas mais recentes técnicas de aprendizado autosupervisionado, técnicas como as usadas pelo ChatGPT”, diz Gerardo. “Isso nos deu um impulso significativo, especialmente no campo da inteligência anatômica. Nossa IA agora é quase tão inteligente quanto um atlas de anatomia. Ele pode distinguir entre cerca de 200 pontos de referência diferentes (partes do corpo) e localizá-los no material de imagem.