A inteligência artificial nunca substituirá um médico. Contudo, pesquisadores do Laboratório Nacional do Noroeste do Pacífico do Departamento de Energia deram um grande passo em direção ao dia em que a IA pode ajudar os médicos a prever eventos médicos. Uma nova abordagem desenvolvida pelos cientistas do PNNL melhora a precisão do diagnóstico do paciente em até 20 por cento quando comparada a outras abordagens de incorporação.

A abordagem PNNL busca capturar e recriar os tipos de conexões que os médicos fazem naturalmente quando aplicam uma vida inteira de aprendizado e conhecimento ao paciente que está na frente deles na sala de exame. O objetivo:usar os recursos robustos de IA do laboratório em aprendizado de máquina e aprendizado profundo para melhorar o atendimento ao paciente e salvar vidas.

Cientistas do PNNL discutiram recentemente sua nova abordagem em um artigo apresentado no workshop Data Science for Healthcare na SIGKDD Conference on Knowledge Discovery and Data Mining.

No centro do desenvolvimento está um conjunto de dados PNNL criado em colaboração com a Universidade de Stanford com mais de 300, 000 conceitos médicos definidos pelos Termos Clínicos SNOMED, uma coleção de termos médicos padrão, códigos, sinônimos e definições usados ​​por pesquisadores e profissionais médicos. O PNNL desenvolveu um método de aprendizagem baseado em gráficos, baseado nesses termos, que superou os modelos atuais. O código está disponível para download em código aberto.

"Se você acha que é difícil traduzir a caligrafia dos médicos, tente traduzir seus conhecimentos médicos em linguagem de computador, "observa Robert Rallo, um cientista da computação no PNNL que lidera a equipe do PNNL aplicando inteligência artificial aos cuidados de saúde. "A parte difícil é combinar vários tipos de dados. Dados amigáveis ​​ao computador, como números de exames de sangue ou códigos de diagnóstico, são mais fáceis do que dados não estruturados, como anotações em gráficos ou imagens de raios-X ou ressonâncias magnéticas."

Rallo e o resto da equipe do PNNL estão criando maneiras de fundir os muitos tipos diferentes de dados de saúde com uma ferramenta de IA conhecida como gráfico de conhecimento como parte do projeto Deep Care financiado pelo PNNL.

"Um gráfico de conhecimento é o que os médicos têm em mente quando estão diagnosticando você, "disse Rallo." Os médicos veem os relacionamentos com base em anos de treinamento e experiência. Este é o seu modelo mental que cria ligações entre sintomas e doenças. Estamos traduzindo uma representação simbólica de conhecimento médico como essa em algo que podemos alimentar com algoritmos de aprendizado de máquina junto com os dados do paciente. "

O cientista da computação Khushbu Agarwal do PNNL enfatiza que a IA não substituirá os médicos. Em vez de, AI será uma ferramenta de apoio à decisão. Os modelos terão acesso a mais dados e mais conexões do que podem ser armazenados em qualquer cérebro humano. Muito mais do que um banco de dados, os modelos podem até detectar conexões que um médico observando um conjunto de sintomas aleatórios pode não considerar inicialmente. Mas não se deve esperar que os médicos considerem o resultado de um modelo pelo seu valor nominal. Sutanay Choudhury, um cientista da computação no PNNL, está focado na interpretabilidade desses modelos. Ele está trabalhando para construir uma ferramenta que possa explicar seu raciocínio, previsões e recomendações usando exemplos compreensíveis que os médicos irão interpretar. Essas explicações aumentam a confiança no modelo, que a equipe PNNL prevê que algum dia será implantado em clínicas médicas.

Como parte da próxima fase de sua pesquisa, a equipe PNNL está trabalhando com um novo conjunto de dados como parte de uma colaboração entre a Administração de Veteranos e o Departamento de Energia. A VA-DOE Big Data Science Initiative criou um ambiente de computação seguro para análises de dados médicos e inclui novas abordagens para estudar o suicídio, doenças cardiovasculares e câncer de próstata.