Skip to main content

Suporte de IA para profissionais de saúde

Gerardo Hermosillo Valadez | Inventores do Ano da Siemens | Prémio pelo Conjunto da Obra

As tecnologias de imagem, como raios-X, tomografias computadorizadas e ressonâncias magnéticas, têm ajudado os médicos há décadas, fornecendo-lhes imagens detalhadas dos ossos e das estruturas dos tecidos no interior do corpo do paciente. “Todas estas tecnologias fornecem-nos dados de imagem que só são úteis para o diagnóstico se forem interpretados corretamente. Por exemplo, é preciso compreender que a linha fina na imagem de raios X indica que um osso está partido, ou detetar a massa invulgar na grande quantidade de dados de uma ressonância magnética”, afirma Gerardo Hermosillo Valadez, da Siemens Healthineers (SHS), Inventor do Ano 2024 na categoria Conquistas ao Longo da Vida. “O meu departamento está a trabalhar em processos de IA capazes de interpretar imagens médicas, aliviando assim a carga de trabalho e apoiando a equipa médica.”

Interpretação de imagens com inteligência artificial

Homem de fato e gravata em frente a um edifício com uma grande janela.

Gerardo Hermosillo Valadez é o Inventor do Ano de 2024: a sua invenção desenvolve a inteligência anatómica

As pessoas costumam ser muito boas a identificar elementos nas imagens. Por exemplo, a maioria das pessoas tem facilidade em reconhecer a coluna vertebral em radiografias – mesmo que as imagens variem bastante devido a diferentes posturas do paciente, diferentes ângulos de captura, ossos grandes ou pequenos, ou colunas saudáveis versus deformadas. Os computadores só conseguem fazer isto utilizando inteligência artificial – com aprendizagem profunda – e apenas se tiverem sido treinados com muitas amostras adequadas. “É assim que a inteligência artificial pode desenvolver inteligência anatómica, de modo a orientar-se nas imagens médicas e categorizar corretamente os diferentes ossos, órgãos e tecidos”, afirma Gerardo. “Da mesma forma, a IA pode aprender a diferenciar entre tecido normal e anormal.”

Inovações que marcam toda a gama de produtos SHS

Existem muitas aplicações diferentes para o reconhecimento de imagens baseado em IA no dia-a-dia dos hospitais e consultórios médicos: por exemplo, um sistema pode aprender a apresentar os dados de imagem corretos em resposta a uma instrução como “Mostra a omoplata direita”. Também pode fornecer apoio automatizado para exames radiológicos, determinando quando o meio de contraste injetado atingiu o órgão a ser examinado, e analisar dados de imagem para detetar possíveis alterações patológicas. Muitas das inovações que Gerardo tem vindo a impulsionar estão presentes em toda a gama de produtos da SHS.

Diferentes estratégias de aprendizagem da IA

“A inteligência artificial é tão boa quanto os dados com que foi treinada”, salienta Gerardo. “Para conseguir identificar tumores numa imagem de ressonância magnética, o sistema teve primeiro de aprender com milhares de imagens de pessoas saudáveis e doentes que lhe disponibilizámos.” Existem três abordagens básicas para treinar a IA: aprendizagem supervisionada, aprendizagem com fraca supervisão e aprendizagem auto-supervisionada. Na aprendizagem supervisionada, são fornecidas informações precisas à IA para cada conjunto de dados: por exemplo, “Há um tumor no canto superior direito da imagem”. Na aprendizagem com fraca supervisão, são fornecidas apenas algumas etiquetas de informação: por exemplo, tumor ou sem tumor. Na aprendizagem auto-supervisionada, os dados não têm quaisquer etiquetas e a IA aprende de forma independente: por exemplo, ocultando partes de imagens de amostra existentes e “adivinhando” como são.

Pessoa de camisa preta em pé contra a parede branca, segura um objeto escuro com fundo desfocado.

A sua invenção está na base de toda a gama de produtos da Siemens Healthineers

Homem sério, de camisa preta e com uma tatuagem, de pé junto a uma parede branca, parcialmente iluminado pelo lado direito

A inteligência artificial pode aprender a interpretar imagens médicas e a classificá-las corretamente.

Quase tão inteligente como um atlas de anatomia

A aprendizagem supervisionada é a forma mais rápida e eficiente de a IA aprender, mas é demorado e dispendioso 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 consegue funcionar de forma independente sem a necessidade de um dispendioso processo de rotulagem de dados. “Recentemente, temo-nos concentrado nas mais recentes técnicas de aprendizagem auto-supervisionada, técnicas como as utilizadas pelo ChatGPT”, afirma Gerardo. “Isso deu-nos um impulso significativo, especialmente no campo da inteligência anatómica. A nossa IA é agora quase tão inteligente como um atlas de anatomia. Consegue distinguir cerca de 200 pontos de referência diferentes (partes do corpo) e localizá-los no material de imagem”.