Hoje em dia, os algoritmos de computadores
desempenham tarefas incríveis
com grande precisão, em grande escala,
utilizando uma inteligência
parecida com a humana.
Esta inteligência dos computadores
é frequentemente chamada IA,
ou seja, inteligência artificial.
É previsto que a IA tenha, no futuro,
um enorme impacto na nossa vida.
Porém, hoje em dia, ainda
enfrentamos desafios enormes
na detecção e diagnóstico
de muitas doenças letais,
tais como doenças infecciosas e cancro.
Milhares de doentes, todos os anos,
perdem a vida devido
a um cancro do fígado ou da boca.
A melhor maneira
de ajudar esses doentes
é realizar a detecção e o diagnóstico
dessas doenças mais cedo.
Então, como detectamos essas doenças
e como a IA pode ajudar?
Em doentes em quem, infelizmente,
haja suspeitas dessas doenças,
um médico especialista pede, primeiro,
uma qualquer tecnologia dispendiosa
de imagiologia médica,
como a imagiologia por fluorescência,
um TC, ou um MRI.
Depois de colhidas essas imagens,
outro especialista faz o diagnóstico
das imagens e fala com o doente.
Como podem ver, este é
um processo muito dispendioso
que requer médicos especialistas,
tecnologia de imagiologia médica cara
e não é considerado prático
para os países em desenvolvimento.
O mesmo acontece
com as nações industrializadas.
Podemos resolver isto
com a inteligência artificial?
Hoje, se eu fosse usar arquitecturas
tradicionais de inteligência artificial
para resolver este problema,
seriam necessárias dez mil
— repito, cerca de dez mil —
dessas imagens médicas muito caras
só para serem geradas.
Depois disso, iria
a um médico especialista,
que analisaria essas imagens.
Usando estes dois bocados de informações,
posso treinar uma rede neural profunda
ou uma rede de aprendizagem profunda
para fazer os diagnósticos a doentes.
Tal como a primeira abordagem,
a abordagem tradicional
da inteligência artificial
passa pelo mesmo problema.
Uma grande quantidade de dados,
médicos especialistas
e especialistas
de tecnologias de imagiologia.
Será que podemos inventar
arquitecturas de IA
mais evolutivas, mais eficazes
e mais valiosas,
para resolver esses problemas
importantes que hoje enfrentamos?
É exactamente isto o que faz
o meu grupo no MIT Media Lab.
Inventámos uma variedade
de arquitecturas IA pouco ortodoxas
para resolver alguns dos desafios
mais importantes que temos hoje
em imagiologia médica e testes clínicos.
No exemplo que partilho aqui
tínhamos dois objetivos.
O nosso primeiro objectivo era
reduzir o número de imagens
necessárias para treinar o algoritmo
da inteligência artificial.
No segundo objetivo fomos mais ambiciosos.
Queríamos reduzir o uso de tecnologia
de imagiologia médica cara
para examinar doentes.
Então, como o fizemos?
No primeiro objectivo,
em vez de começarmos
com dezenas e milhares
destas imagens médicas caras,
como a IA tradicional,
começámos com uma única imagem médica.
A partir desta imagem, a minha equipa e eu
encontrámos uma forma inteligente
de extrair milhares de milhões
de pacotes de informações.
Estes pacotes de informações
incluíam cores, pixeis, geometria
e a apresentação da doença
na imagem médica.
Ou seja, convertemos uma imagem
em milhares de milhões de pontos de dados,
reduzindo massivamente o número
de dados necessários para o treino.
Para o segundo objectivo
— reduzir o uso da tecnologia
de imagiologia médica cara
para examinar doentes —
começámos com uma fotografia
normal, com luz natural,
tirada por uma câmara DSLR
ou um telemóvel, para o doente.
Lembram-se dos milhares de milhões
de pacotes de informações?
Nós sobrepomos esses pacotes
da imagem médica nesta imagem,
criando algo a que chamamos
uma imagem composta.
Para nossa surpresa,
só precisámos de 50
— repito, só 50 —
dessas imagens compostas para
treinar o algoritomo para alta eficiência.
Para resumir a nossa abordagem,
em vez de usarmos 10 000
imagens médicas muito caras,
podemos treinar o algoritmo
da IA, de uma forma pouco ortodoxa,
usando apenas 50 destas fotos
normais, mas de alta resolução
tiradas por uma câmara DSLR
ou um telemóvel,
e providenciando o diagnóstico.
Mais importante,
o nosso algoritmo pode aceitar,
no futuro e até mesmo agora,
algumas fotografias simples
à luz normal, do doente,
em vez da tecnologia
de imagiologia médica cara.
Acredito que estamos
preparados a entrar numa era
em que a inteligência artificial
vai ter um incrível impacto
no nosso futuro.
Acho que pensar na IA tradicional
que é rica em dados
mas pobre em aplicações,
devíamos continuar a pensar
em arquitecturas pouco
ortodoxas para a inteligência artificial
que aceitem pequenas quantias de dados
e resolvam problemas importantes
que enfrentamos hoje em dia,
sobretudo nos cuidados de saúde.
Muito obrigado.
(Aplausos)