Texas Medical Branch — InkDesign News — A inteligência artificial (IA), com foco em modelos de deep learning, vem transformando a triagem cardiológica preventiva no University of Texas Medical Branch (UTMB), onde algoritmos de LLM e redes neurais convolucionais (CNN) processam imagens de tomografia computadorizada (TC) para identificar riscos cardiovasculares, mesmo em exames inicialmente fora do escopo cardiológico.
### Tecnologia e abordagem
O UTMB utiliza redes neurais convolucionais treinadas para análise automática de imagens de TC, calculando o escore de Agatston, que mede a calcificação coronariana — um fator preditivo importante para doenças cardíacas. Todos os exames de TC são automaticamente avaliados pelo algoritmo para detectar calcificação arterial incidental (iCAC), independentemente da indicação clínica do exame. O sistema combina dados extraídos do prontuário eletrônico (EHR) e técnicas avançadas de processamento de linguagem natural, incluindo GPT-4o, para classificar os pacientes em três níveis de risco, a partir de critérios baseados em regras e análise textual.
### Aplicação e desempenho
Desde a implantação do sistema em 2024, o UTMB processa cerca de 450 exames por mês, identificando de 5 a 10 casos de alto risco que necessitam intervenção imediata. A validação contínua é feita por radiologistas que revisam amostras cegas para recalibrar e detectar viés no modelo. Além disso, para reduzir o viés de ancoragem, o hospital emprega uma técnica de “peer learning” que compara os diagnósticos de radiologistas com e sem a influência dos marcadores da IA. Outras aplicações incluem detecção em tempo real de AVC e embolia pulmonar, onde algoritmos especializados enviam alertas instantâneos para equipes de atendimento, acelerando o tempo de intervenção.
### Impacto e mercado
A abordagem automatizada da UTMB permite utilizar um volume massivo de dados clínicos não computados anteriormente, mitigando o gargalo intelectual causado pela limitação do trabalho manual. “Os dados estão apenas lá fora” (“The data is just sitting out there”), indica Peter McCaffrey, chefe de IA do UTMB, destacando que o valor da IA está em tarefas repetitivas em alta escala que humanos perderiam. O sistema também serve para otimizar admissões hospitalares e identificar lacunas no cuidado, auxiliando na priorização e documentação clínica através de resumos gerados por IA, como Claude, GPT e Gemini.
Futuras evoluções podem incluir automação da comunicação por voz com pacientes e expansão da triagem para outras condições, aprofundando a integração da IA em fluxos hospitalares e ampliando a precisão e alcance da medicina preditiva.
Fonte: (VentureBeat – AI)
Links internos sugeridos: /tag/inteligencia-artificial/ e /tag/ia-generativa/
