O setor de saúde costuma ser um grande entusiasta dos avanços tecnológicos que façam a diferença tanto na vida do paciente como no dia a dia da operação de um hospital, por exemplo. Atualmente, o machine learning desempenha um papel fundamental em muitas áreas relacionadas à saúde, incluindo o desenvolvimento de novos procedimentos médicos, o manuseio de dados e registros de pacientes e o tratamento de doenças crônicas. Neste texto, o objetivo é entender o que é machine learning e qual sua influência na área da saúde. 

O que é machine learning

Então, o que é machine learning? Trata-se do aprendizado de máquina.

A tecnologia utiliza algoritmos, que são sequências de regras ou instruções que levam passo a passo à resolução de um problema. O machine learning consegue organizar e analisar os dados, detectando padrões e fazendo com que as máquinas aprendam com eles e passem a gerar soluções inteligentes.

Assim, o computador vai tendo experiências, aprende com elas e de forma automatizada muda seu próprio comportamento. Isso tudo sem interferência humana, a não ser na elaboração e manutenção do algoritmo. É como se a tecnologia fizesse uma máquina pensar da mesma forma que um ser humano.

Através desse formato, sempre que receber informações novas, o sistema se molda a quantidades maiores de informações. Com base nas experiências anteriores, ganha cada vez mais prática para resolver problemas. É um aprendizado que nunca para, só se aperfeiçoa. O desenvolvedor, por sua vez, não precisa mais programar a máquina detalhadamente para cada dado, cada informação, ordem por ordem para obter sucesso no desempenho. A cada experiência, a máquina melhora mais. 

Exemplificando na prática como funciona o machine learning: se você digitar uma palavra qualquer em um site de buscas, como “álcool”, o sistema vai analisar o que irá trazer referente a essa palavra. Ele utiliza alguns critérios para trazer a você o resultado mais preciso. Um dos critérios é o seu histórico de pesquisa, por exemplo. Se anteriormente você pesquisou por “bebidas”, “comemoração”, “bar”, ele vai trazer itens no sentido de bebida alcoólica. Caso você tenha pesquisado por “cuidados”, “higiene”, ele vai trazer o álcool com o contexto de esterilização e prevenção. À medida que você segue pesquisando, o sistema coleta cada vez mais informações a seu respeito. Em um determinado momento, ele já consegue direcioná-lo para um resultado muito mais preciso.

Diferença entre o que é machine learning e inteligência artificial

Muitos se confundem sobre as diferenças entre o que é machine learning e inteligência artificial. A IA é a capacidade de uma máquina raciocinar e realizar uma atividade ou tarefa, podendo muitas vezes fazê-la melhor do que um ser humano. Um sistema de banco que calcula dados e gera relatórios automáticos é um bom exemplo de uma solução digital que é capaz de substituir uma pessoa.  Dessa forma, surgem resultados mais precisos, mais tempo útil de equipe, menos erro de cálculo, entre vários outros benefícios.

Já machine learning é uma divisão ou subconjunto da inteligência artificial que, conforme dito anteriormente, se baseia em algoritmos. É como uma criança que está crescendo e começando a aprender: conforme vai interagindo com o ambiente e as pessoas, vai compreendendo cada vez mais as informações. Compara uma experiência com outra e as vai fazendo associações entre elas.

Diferença entre o que é machine learning e deep learning

E quais seriam as diferenças entre o que é machine learning e deep learning?

O machine learning tem relação com o deep learning, que significa aprendizado profundo. É uma tecnologia com algoritmos mais complexos do que o machine learning. A ideia do deep learning é ter o máximo de semelhança possível com o cérebro humano.

O machine learning trabalha de forma linear. Já o deep learning trabalha em camadas, o que dificulta sua análise, pois a complexidade é maior. Afinal de contas, quando se trata de camadas, ele utiliza o princípio das redes neurais, que é quando os algoritmos funcionam de uma maneira bem similar aos neurônios. Estes também recebem uma quantidade enorme de informações, as reconhecem e as tratam, independente da sua complexidade.

Por causa de seu método, o deep learning é capaz de trabalhar com uma quantidade gigante de informações e processá-las com muita eficácia. Um exemplo é a classificação de imagens do Google. Ou também o reconhecimento de voz em sistemas de veículos autônonos. 

O deep learning serve como base para que o machine learning melhore cada vez mais a sua capacidade de reconhecimento de dados, em especial quando são muitos. Um exemplo é o Google Tradutor, que utiliza as duas tecnologias na prática. Antes da implementação do machine learning, o Google fazia as traduções usando partes de frases independentes. Logo depois, o sistema passou a traduzir as frases completas usando o contexto para realizar seu objetivo com mais precisão. E com a implementação do deep learning junto, o tradutor consegue gerar uma tradução cada vez mais eficaz e precisa.

Influências do machine learning na saúde

Se as máquinas são capazes de identificar e reconhecer fotos de gatos e cachorros, por que não seriam capazes de reconhecer algum detalhe em um exame de imagem que indique um problema de saúde? 

Em palestra na última edição do Congresso Nacional de Hospitais Privados (Conahp 2021), o pesquisador do Google e cientista Greg Corrado disse que os avanços tecnológicos de inteligência artificial e machine learning podem ser utilizados para prevenção em saúde da população em maior escala e diminuindo os custos. Segundo ele, a mesma tecnologia de reconhecimento de imagens pode ser usada em exame para identificar câncer de mama, câncer de colo do útero, câncer de próstata, entre outros tipos de tumores e outras doenças. 

“Vamos aumentar a acurácia e reduzir os custos. O setor da saúde como um todo vai se beneficiar”, declarou na ocasião.

De acordo com Corrado, o Google tem trabalhado nos últimos anos com tecnologias pilotos que permitem pesquisar padrões de prontuário médico e procurar as informações que são mais relevantes para os médicos. O objetivo é que a tecnologia seja útil e ajude os profissionais da saúde em vez de aumentar a sua carga. 

O que já tem sido feito na saúde

Sobre o que já tem sido realizado na área da saúde, Greg Corrado deu o exemplo de um sistema de computador já criado que consegue fazer o diagnóstico de um tipo específico de diabetes ao analisar a imagem da retina do paciente. Para que isso fosse possível, os cientistas mostraram 130 mil imagens de retina humana à máquina. Junto estava a identificação feita por profissionais de saúde sobre o nível de diabetes do paciente de cada foto. Assim, com tantos milhares de exemplos, o computador aprendeu a fazer o diagnóstico.

O pesquisador disse ainda que, às vezes, as máquinas são capazes de ver coisas que os humanos não conseguem. Utilizando o exemplo anterior, o computador foi além de encontrar retinas não saudáveis. Os cientistas viram que ele poderia ser treinado para identificar a idade do paciente e a pressão sanguínea sistólica. Apesar da pouca relevância clínica para esses dados, já que é mais fácil consegui-los de outra maneira, isso demonstra que há biomarcadores presentes nos dados que podem ser invisíveis para os seres humanos.

Dessa forma, entender o que é machine learning é importante, já que ele deve mudar completamente os cuidados em saúde como conhecíamos até pouco tempo atrás.

Principais benefícios para a área saúde

Há inúmeros benefícios, bem como influências do machine learning na saúde. Alguns deles são:

Apoio em diagnósticos

Quando há um grande volume de dados, o machine learning consegue auxiliar muito no processamento dos mesmos, de forma rápida e eficaz. Dessa forma, os profissionais ganham tempo, pois podem se concentrar em outras responsabilidades. O progresso do paciente pode ser acompanhado através da mesma combinação de dados da máquina, verificando e comparando o histórico de um paciente, seus exames, tratamento, medicamento, entre outras informações, que em conjunto podem ser analisadas com o intuito de prever riscos e complicações.

Tratamentos personalizados

Avaliar cada paciente individual e detalhadamente, com o objetivo de decidir qual o melhor tratamento para ele, é algo bastante desafiador para um profissional. E isso também envolve erros. Através do machine learning, esse processo pode ser automatizado, no momento em que os algoritmos conseguem prever como um paciente irá reagir a determinado tratamento. O sistema utiliza resultados de pacientes anteriores com o mesmo histórico para comparação. Com base nisso, a máquina facilita o médico para escolher o tipo de tratamento adequado ao paciente. 

Automação de tarefas administrativas

Mesmo que o registro eletrônico de dados seja algo prático e facilitador, algumas tarefas ainda precisam ser feitas manualmente. Então, registro, revisão e atualização de informações constantes geram profissionais muito sobrecarregados. Novamente, o machine learning surge para ajudar as pessoas a executarem esse serviço com mais agilidade. Ele facilita o acesso às informações dos pacientes e melhora muito o fluxo de trabalho, além da precisão de informações.

Desenvolvimento de medicamentos

É bastante demorado encontrar, encaixar e testar substâncias com probabilidade de cura, bem como desenvolver medicamentos com base nelas. Investimento, trabalho e tempo elevados só colaboram para que isso seja algo bastante difícil. Uma pesquisa gera muitos dados que nem todo programa consegue processar bem. Mas o machine learning consegue. Afinal, os dados de anos de estudo e pesquisa podem ser coletados em instantes. Os algoritmos encontram a origem biológica de uma patologia e pode achar alvos para o tratamento também. Assim, podem confirmar se uma pessoa tem determinada doença e qual o estágio da mesma. E em relação aos medicamentos, podem ver se os componentes escolhidos interagem bem entre eles e em relação ao alvo. 

Previsão de doenças

O machine learning já consegue prever algumas doenças e seus respectivos surtos em todo o planeta. Cientistas conseguem agrupar dados que são coletados através de satélites e outras fontes, e com a colaboração das redes neurais artificiais, podem verificar em quais locais pode haver dengue, malárias e outras doenças graves. Sabendo disso antes, fica mais fácil de se precaver, a fim de evitar o contágio. Se estivermos falando de uma pessoa com a doença, a identificação da mesma já é feita no primeiro estágio para tratar logo. Isso aumenta a qualidade de vida de uma população, além de diminuir muito os custos. 

Maior integração dentro do Sistema Único de Saúde (SUS)

Sabemos que o Sistema de Saúde no Brasil enfrenta diversos problemas, como condições precárias, má gestão e desvios de verba. É aí que entra o machine learning: ele pode ajudar o médico na jornada do paciente com muito mais eficiência. Além disso, consegue fazer uma análise de informações: é capaz de tentar encontrar o melhor direcionamento de verba e prioridades, reduzindo gastos.

Futuro da Saúde

Por fim, gostou deste artigo sobre o que é machine learning? Além deste site, onde você encontra mais conteúdos como este sobre tecnologia e inovação na área da saúde, temos ainda um podcast. Confira abaixo o episódio com a médica intensivista Mariana Perroni, uma das principais vozes da inovação no país. E não esqueça de nos seguir nas redes sociais: Instagram e Youtube.