Skip to main content
Esta página é apresentada utilizando tradução automática. Prefere ver em inglês?

Suporte de IA para profissionais médicos

Gerardo Hermosillo Valadez | Inventores do Ano da Siemens | Realização vitalícia

Tecnologias de imagem como raios-X, tomografias computadorizadas e ressonâncias magnéticas têm ajudado os médicos há décadas, dando-lhes imagens detalhadas de ossos e estruturas de tecidos dentro do corpo do paciente. “Todas estas tecnologias fornecem-nos dados de imagem que só são úteis para um diagnóstico se puderem ser interpretados corretamente. Por exemplo, alguém tem de perceber que a linha fina na imagem de raios-X mostra que um osso está partido, ou notar a massa invulgar na grande quantidade de dados de uma ressonância magnética”, diz Gerardo Hermosillo Valadez da Siemens Healthineers (SHS), Inventor do Ano 2024 na categoria Lifetime Achievement. “O meu departamento está a trabalhar em processos de IA que podem interpretar imagens médicas e, assim, aliviar e apoiar a equipa 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 2024: A sua invenção desenvolve inteligência anatómica

As pessoas são normalmente muito boas a ver coisas em imagens. Por exemplo, a maioria das pessoas achará fácil reconhecer a coluna em imagens de raios-X — mesmo que as imagens sejam muito diferentes devido a diferentes posturas do paciente, diferentes ângulos a partir dos quais a foto é tirada, ossos grandes ou pequenos, ou espinhos saudáveis vs. deformados. Os computadores só podem fazer isso usando inteligência artificial — com aprendizagem profunda — e apenas se tiverem sido treinados com muitas amostras apropriadas. “É assim que a inteligência artificial pode desenvolver a inteligência anatómica para poder encontrar o seu caminho através de imagens médicas e categorizar corretamente os diferentes ossos, órgãos e tecidos”, diz Gerado. “Da mesma forma, a IA pode aprender a diferenciar entre tecido normal e anormal.”

Inovações que moldam toda a gama de produtos SHS

Existem muitas aplicações diferentes para reconhecimento de imagem orientado por IA na vida quotidiana em hospitais e consultórios médicos: por exemplo, um sistema pode aprender a exibir os dados de imagem corretos em resposta a uma instrução como “Mostrar a omoplata direita”. 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 patogénicas. Muitas das inovações que o Gerardo tem conduzido são onipresentes em toda a gama de produtos SHS.

Diferentes estratégias de aprendizagem de IA

“A inteligência artificial é tão boa quanto os dados com os quais foi treinada”, enfatiza Gerardo. “Para reconhecer tumores numa imagem de ressonância magnética, deve ter aprendido primeiro com milhares de imagens de pessoas saudáveis e doentes que disponibilizamos para ela.” Existem três abordagens básicas para treinar IA: aprendizagem supervisionada, aprendizagem fracamente supervisionada e aprendizagem auto-supervisionada. Na aprendizagem supervisionada, a IA recebe informações precisas para cada conjunto de dados: por exemplo, “Há um tumor no canto superior direito da imagem.” Na aprendizagem fracamente supervisionada, apenas alguns rótulos informativos são dados: por exemplo, tumor ou nenhum tumor. Na aprendizagem auto-supervisionada, os dados não têm nenhum rótulo e a IA aprende de forma independente: por exemplo, escondendo partes de imagens de amostra existentes e “adivinhando” como são.

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

A sua invenção molda toda a gama de produtos 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 o seu caminho através de imagens médicas e categorizá-la corretamente.

Quase tão inteligente como um atlas de anatomia

A aprendizagem supervisionada é a maneira mais rápida e eficiente de a IA aprender, mas é demorado e caro obter dados de treino suficientes que tenham em conta todos os aspetos relevantes. A aprendizagem auto-supervisionada requer mais tempo de aprendizagem, mas a IA pode funcionar de forma independente sem rotulagem de dados dispendiosa. “Recentemente, temos nos concentrado nas mais recentes técnicas de aprendizagem auto-supervisionada, técnicas como as utilizadas pelo ChatGPT”, diz Gerardo. “Isso deu-nos um impulso significativo, especialmente no campo da inteligência da anatomia. A nossa IA é agora quase tão inteligente como um atlas de anatomia. Pode distinguir entre cerca de 200 pontos de referência diferentes (partes do corpo) e localizá-los no material de imagem.