Como a IA está a tornar mais fácil diagnosticar doenças
-
0:01 - 0:05Hoje em dia, os algoritmos de computadores
desempenham tarefas incríveis -
0:05 - 0:08com grande precisão, em grande escala,
-
0:08 - 0:10utilizando uma inteligência
parecida com a humana. -
0:10 - 0:14Esta inteligência dos computadores
é frequentemente chamada IA, -
0:14 - 0:16ou seja, inteligência artificial.
-
0:16 - 0:20É previsto que a IA tenha, no futuro,
um enorme impacto na nossa vida. -
0:21 - 0:25Porém, hoje em dia, ainda
enfrentamos desafios enormes -
0:25 - 0:28na detecção e diagnóstico
de muitas doenças letais, -
0:29 - 0:31tais como doenças infecciosas e cancro.
-
0:32 - 0:34Milhares de doentes, todos os anos,
-
0:34 - 0:38perdem a vida devido
a um cancro do fígado ou da boca. -
0:38 - 0:41A melhor maneira
de ajudar esses doentes -
0:41 - 0:45é realizar a detecção e o diagnóstico
dessas doenças mais cedo. -
0:46 - 0:50Então, como detectamos essas doenças
e como a IA pode ajudar? -
0:52 - 0:56Em doentes em quem, infelizmente,
haja suspeitas dessas doenças, -
0:56 - 0:58um médico especialista pede, primeiro,
-
0:58 - 1:01uma qualquer tecnologia dispendiosa
de imagiologia médica, -
1:01 - 1:05como a imagiologia por fluorescência,
um TC, ou um MRI. -
1:05 - 1:07Depois de colhidas essas imagens,
-
1:07 - 1:12outro especialista faz o diagnóstico
das imagens e fala com o doente. -
1:13 - 1:16Como podem ver, este é
um processo muito dispendioso -
1:16 - 1:20que requer médicos especialistas,
tecnologia de imagiologia médica cara -
1:20 - 1:24e não é considerado prático
para os países em desenvolvimento. -
1:24 - 1:27O mesmo acontece
com as nações industrializadas. -
1:28 - 1:31Podemos resolver isto
com a inteligência artificial? -
1:32 - 1:36Hoje, se eu fosse usar arquitecturas
tradicionais de inteligência artificial -
1:36 - 1:37para resolver este problema,
-
1:37 - 1:39seriam necessárias dez mil
-
1:39 - 1:43— repito, cerca de dez mil —
dessas imagens médicas muito caras -
1:43 - 1:44só para serem geradas.
-
1:44 - 1:47Depois disso, iria
a um médico especialista, -
1:47 - 1:49que analisaria essas imagens.
-
1:50 - 1:52Usando estes dois bocados de informações,
-
1:52 - 1:55posso treinar uma rede neural profunda
ou uma rede de aprendizagem profunda -
1:55 - 1:58para fazer os diagnósticos a doentes.
-
1:58 - 1:59Tal como a primeira abordagem,
-
1:59 - 2:02a abordagem tradicional
da inteligência artificial -
2:02 - 2:03passa pelo mesmo problema.
-
2:03 - 2:06Uma grande quantidade de dados,
médicos especialistas -
2:06 - 2:08e especialistas
de tecnologias de imagiologia. -
2:09 - 2:12Será que podemos inventar
arquitecturas de IA -
2:12 - 2:16mais evolutivas, mais eficazes
e mais valiosas, -
2:16 - 2:19para resolver esses problemas
importantes que hoje enfrentamos? -
2:19 - 2:22É exactamente isto o que faz
o meu grupo no MIT Media Lab. -
2:22 - 2:26Inventámos uma variedade
de arquitecturas IA pouco ortodoxas -
2:26 - 2:29para resolver alguns dos desafios
mais importantes que temos hoje -
2:29 - 2:32em imagiologia médica e testes clínicos.
-
2:32 - 2:36No exemplo que partilho aqui
tínhamos dois objetivos. -
2:36 - 2:39O nosso primeiro objectivo era
reduzir o número de imagens -
2:39 - 2:42necessárias para treinar o algoritmo
da inteligência artificial. -
2:42 - 2:44No segundo objetivo fomos mais ambiciosos.
-
2:44 - 2:48Queríamos reduzir o uso de tecnologia
de imagiologia médica cara -
2:48 - 2:49para examinar doentes.
-
2:49 - 2:51Então, como o fizemos?
-
2:51 - 2:52No primeiro objectivo,
-
2:52 - 2:54em vez de começarmos
com dezenas e milhares -
2:54 - 2:57destas imagens médicas caras,
como a IA tradicional, -
2:57 - 2:59começámos com uma única imagem médica.
-
2:59 - 3:03A partir desta imagem, a minha equipa e eu
encontrámos uma forma inteligente -
3:03 - 3:06de extrair milhares de milhões
de pacotes de informações. -
3:06 - 3:10Estes pacotes de informações
incluíam cores, pixeis, geometria -
3:10 - 3:12e a apresentação da doença
na imagem médica. -
3:12 - 3:17Ou seja, convertemos uma imagem
em milhares de milhões de pontos de dados, -
3:17 - 3:20reduzindo massivamente o número
de dados necessários para o treino. -
3:20 - 3:21Para o segundo objectivo
-
3:21 - 3:24— reduzir o uso da tecnologia
de imagiologia médica cara -
3:24 - 3:25para examinar doentes —
-
3:25 - 3:28começámos com uma fotografia
normal, com luz natural, -
3:28 - 3:32tirada por uma câmara DSLR
ou um telemóvel, para o doente. -
3:32 - 3:35Lembram-se dos milhares de milhões
de pacotes de informações? -
3:35 - 3:38Nós sobrepomos esses pacotes
da imagem médica nesta imagem, -
3:39 - 3:41criando algo a que chamamos
uma imagem composta. -
3:41 - 3:45Para nossa surpresa,
só precisámos de 50 -
3:45 - 3:46— repito, só 50 —
-
3:46 - 3:50dessas imagens compostas para
treinar o algoritomo para alta eficiência. -
3:51 - 3:52Para resumir a nossa abordagem,
-
3:52 - 3:55em vez de usarmos 10 000
imagens médicas muito caras, -
3:55 - 3:58podemos treinar o algoritmo
da IA, de uma forma pouco ortodoxa, -
3:58 - 4:03usando apenas 50 destas fotos
normais, mas de alta resolução -
4:03 - 4:05tiradas por uma câmara DSLR
ou um telemóvel, -
4:05 - 4:07e providenciando o diagnóstico.
-
4:07 - 4:08Mais importante,
-
4:08 - 4:11o nosso algoritmo pode aceitar,
no futuro e até mesmo agora, -
4:11 - 4:14algumas fotografias simples
à luz normal, do doente, -
4:14 - 4:17em vez da tecnologia
de imagiologia médica cara. -
4:17 - 4:20Acredito que estamos
preparados a entrar numa era -
4:20 - 4:22em que a inteligência artificial
-
4:22 - 4:25vai ter um incrível impacto
no nosso futuro. -
4:25 - 4:27Acho que pensar na IA tradicional
-
4:27 - 4:30que é rica em dados
mas pobre em aplicações, -
4:30 - 4:32devíamos continuar a pensar
-
4:32 - 4:35em arquitecturas pouco
ortodoxas para a inteligência artificial -
4:35 - 4:37que aceitem pequenas quantias de dados
-
4:37 - 4:40e resolvam problemas importantes
que enfrentamos hoje em dia, -
4:40 - 4:41sobretudo nos cuidados de saúde.
-
4:41 - 4:42Muito obrigado.
-
4:42 - 4:46(Aplausos)
- Title:
- Como a IA está a tornar mais fácil diagnosticar doenças
- Speaker:
- Pratik Shah
- Description:
-
Hoje em dia o algoritmo da IA requer dezenas de milhares de dispendiosas imagens médicas para detectar a doença de um doente. E se pudéssemos reduzir drasticamente a quantidade de dados necessários para treinar a IA, obtendo diagnósticos de baixo custo e mais eficazes? O TED Fellow Pratik Shah está a trabalhar numa tecnologia que requer apenas 50 imagens para criar um algoritmo funcional — e até pode usar fotos tiradas pelos telemóveis dos médicos para fazer um diagnóstico. Saibam mais sobre como esta nova forma de analisar informações médicas poderá conduzir a uma detecção mais rápida de doenças de risco de vida e fazer diagnósticos assistidos por IA para mais cuidados de saúde em todo o mundo.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 04:59
Margarida Ferreira approved Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Margarida Ferreira edited Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Margarida Ferreira accepted Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Margarida Ferreira edited Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Margarida Ferreira edited Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Tânia Crispim edited Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Tânia Crispim edited Portuguese subtitles for How AI is making it easier to diagnose disease | ||
Tânia Crispim edited Portuguese subtitles for How AI is making it easier to diagnose disease |