A adoção de Deep Learning na Medicina – Márcio Valverde

  Há cerca de 20 anos, não teríamos como imaginar a internet como ela é hoje, nem que os celulares se interligariam em uma rede de alta velocidade com 4G, ou que os automóveis poderiam ser guiados de forma autônoma. Como ter ideia, então, de como será o Deep Learning (Aprendizado Profundo) daqui a 3, 5 ou 10 anos? Essa é a indústria da Inteligência Artificial e o mundo está voltado para ela.nfl shop near me cheap nike air max shoes adidas yeezy slide nike air max excee women’s wig store mens nike air max 97 custom jerseys nike air max sale cheap football jerseys nfl jersey for sale nfl super bowl nike women’s air max 270 white shoes stores human hair wigs for women adidas mens shoes sale custom nfl jersey Deep Learning é um subcampo de Machine Learning (Aprendizado de Máquina), que se utiliza de algoritmos inspirados na estrutura e função do cérebro, chamada redes neurais artificiais, e que vai permitir que o computador pense e aprenda como um ser humano. Neste caso, temos a percepção de máquina capaz de interpretar informações sensoriais. Por exemplo, podemos reconhecer com certa facilidade a voz das pessoas com quem convivemos, de nossos familiares. Mesmo que ainda não tenhamos dado nome para algo, podemos reconhecê-lo por meio de determinados padrões de semelhanças. Os algoritmos treinam os nomes das coisas através da “aprendizagem supervisionada” e podem agrupar essas informações por meio da “aprendizagem não supervisionada”. A diferença básica entre elas é se temos um conjunto de dados identificado (rótulo) com o qual trabalhar ou não. Talvez queiramos identificar e-mails agressivos ou spam, que contenham trechos de informações não estruturados com essas características. Então a tecnologia de Deep Learning, em conjunto com outros algoritmos, pode nos ajudar a classificar, agrupar e prever esses tipos de e-mail. Isso é feito aprendendo a ler os “detalhes” nos dados, ou em uma estrutura de dados, automaticamente. Agora imagine que com o Deep Learning, você pode classificar, agrupar ou realizar previsões sobre qualquer coisa, considerando dados sobre ​​imagens, vídeo, som, texto, DNA, mercados de ações ou dados climáticos. O “Reconhecimento de Imagens” é provavelmente a área que mais chama a atenção no campo de estudo da tecnologia de Deep Learning. Aqui, os métodos são mais eficazes quando aplicados a um enorme conjunto de dados. Na medicina, o grande desafio é obter um conjunto considerável de dados que nem sempre estão disponíveis. Porém, especialistas estão muito confiantes na utilização dessa tecnologia muito em breve. Especialidades como a Radiologia e Patologia podem ser afetadas de forma positiva, segundo os pesquisadores, porque os computadores muito em breve estarão aptos a realizar trabalhos de forma mais rápida e com maior precisão do que os médicos. Na Medicina temos outras áreas nas quais também podemos utilizar a tecnologia de reconhecimento de imagens por meio de Deep Learning, como, por exemplo, na detecção de tumores e fraturas.  Com o sucesso já alcançado no reconhecimento e classificação de imagens, o Deep Learning foi estendido para duas novas áreas. Primeiro a sua aplicação na tradução automática e compreensão da fala. O segundo é o da legendagem automática (automatic image captioning), na qual o Deep Learning é a principal tecnologia utilizada. Universidades, empresas e laboratórios se unem para obter cada vez mais avanços significativos no aprimoramento dos algoritmos. Casos como a retinopatia diabética podem ser diagnosticados com uma taxa de 98,1% de precisão com a ajuda de Deep Learning, que analisa a imagem de fundo de retina e, com maior precisão, direciona para o tratamento mais adequado, com provisionamento de medicamentos e alocação de médicos. A medicina tem muito a ganhar com o emprego de Deep Learning em termos de eficiência e eficácia com a prevenção de doenças, pesquisa de novos medicamentos e com a redução de diagnósticos feitos com base no efeito e não na causa do problema. O segredo para isso, no entanto, está na melhoria e aperfeiçoamento contínuos dos algoritmos baseados em computação cognitiva

Márcio Valverde, 2019

Para saber mais Deep Learning Applications in Medical Imaging:  https://www.techemergence.com/deep-learning-applications-in-medical-imaging/ Deep Learning – MIT Technology Review: https://www.technologyreview.com/s/513696/deep-learning/