Revista Newslab edição 180

ANÁLISES CLÍNICAS
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.
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.
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 Deep-
Mind 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
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
FONTE: BIOMEDICINA PADRÃO
https://www.biomedicinapadrao.com.br/2023/03/como-saber-se-uma-anemia-e.html
84 Revista NewsLab Edição 180 | Novembro 2023