Contexto da pesquisa
Pesquisadores de instituições britânicas, dinamarquesas, alemãs e suíças apresentaram um novo modelo de inteligência artificial capaz de prever diagnósticos médicos anos à frente, utilizando tecnologia semelhante àquela que impulsiona chatbots como o ChatGPT.
Método proposto
O modelo, denominado Delphi-2M, é alimentado por dados do UK Biobank, um amplo banco de dados biomédicos que abrange informações de cerca de meio milhão de participantes. A arquitetura de rede neural utilizada é baseada em transformadores, semelhante àquela usada em modelos de linguagem.
“Aprender a sequência de diagnósticos médicos é algo semelhante a aprender a gramática de um texto”
(“Understanding a sequence of medical diagnoses is a bit like learning the grammar in a text.”)— Moritz Gerstung, Especialista em IA, Centro Alemão de Pesquisa do Câncer
O Delphi-2M analisa padrões nos dados de saúde, identificando as combinações e a sucessão de diagnósticos, permitindo assim previsões significativas e relevantes para a saúde.
Resultados e impacto
A eficácia do Delphi-2M foi verificada em um teste com dados de quase dois milhões de pessoas do banco de dados de saúde pública da Dinamarca. Os resultados indicam que o modelo pode identificar indivíduos com risco significativamente maior ou menor de ataque cardíaco do que preveria com base em idade e outros fatores.
“Esse modelo pode fazer previsões para todas as doenças de uma só vez e ao longo de um longo período”
(“Delphi-2M, by contrast, can do all diseases at once and over a long time period.”)— Ewan Birney, Co-autor
No entanto, os pesquisadores enfatizam que o Delphi-2M ainda necessita de mais testes antes de ser utilizado clinicamente. Eles alertam para a possibilidade de viés nos dados, que podem afetar os resultados das previsões.
“Ainda estamos longe de um cuidado médico aprimorado, já que os dados são enviesados em termos de idade, etnia e resultados atuais de saúde”
(“This is still a long way from improved health care as the authors acknowledge that both datasets are biased in terms of age, ethnicity and current health care outcomes.”)— Peter Bannister, Pesquisador em tecnologia da saúde
Nos próximos passos, ferramentas como o Delphi-2M podem ser utilizadas para otimizar recursos em sistemas de saúde sobrecarregados, guiando intervenções clínicas precoces e promovendo uma medicina preventiva.
Fonte: (TechXplore – Machine Learning & AI)
