O oftalmologista está acostumado à tecnologia. Processos computadorizados estão presentes no dia a dia de sua prática clínica: desde o autorrefrator para facilitar a prescrição de correção visual, até monitores 3D para ajudar no tratamento cirúrgico das mais complexas patologias oculares, passando pelos inúmeros meios diagnósticos automatizados, como o OCT e a perimetria computadorizada.
Recentemente, uma nova fronteira tecnológica tem se aberto, tendo os sistemas de inteligência artificial (IA) como base dessa nova revolução industrial. Não se espera, entretanto, que oftalmologistas gerais tenham formação em ciência da computação, e muitas das habilidades tradicionais de análise crítica para estudos clínicos nem sempre se aplicam diretamente aos estudos de IA.
Conversamos com o Dr. Alessandro Jammal, pesquisador na Duke University, EUA, sobre IA, com o objetivo de facilitar o entendimento de alguns conceitos utilizados no crescente número de estudos que usam essa inteligência.
Oftalmologia em Foco – Primeiramente, por que a IA começou a ser utilizada agora em Oftalmologia?
Alessandro Jammal – Na verdade, algoritmos de IA têm sido utilizados em Oftalmologia há mais de duas décadas; o conceito de IA, em seu significado mais amplo, foi desenvolvido em 1950, pelo britânico Alan Turing, que muitos devem conhecer daquele filme “O Jogo da Imitação”, de 2013. Entretanto, mais recentemente, o crescimento exponencial do poder computacional e a grande quantidade de dados disponíveis de exames complementares digitais tornou a Oftalmologia um campo promissor para aplicação de muitas dessas técnicas que já têm sido desenvolvidas há vários anos.
Oftalmologia em Foco – Qual a diferença entre IA, machine learning (ML) e deep learning (DL)?
Alessandro Jammal – Esses são conceitos que são relacionados, mas não são a mesma coisa. Inteligência artificial é um conceito muito amplo, que significa um projeto para montar inteligência não humana, ou seja, como podemos fazer máquinas fazerem algumas atividades que nós achamos que precisam de inteligência. ML é um jeito de fazer isso, usando máquinas para aprender através de dados, para melhorar uma tarefa específica. ML inclui múltiplos cálculos de regressão logística para se chegar a uma previsão. Por exemplo, decision trees para estratificação de risco e prognóstico em que são identificadas maneiras de se dividir uma população com uma doença (por exemplo, presença de um sinal clínico ou resultado anormal de exame, ou não) de modo automatizado. Agora, DL é um subtipo de ML que usa múltiplas camadas de computação para chegar a uma previsão. O termo “deep” em DL nada mais é que várias e várias camadas de computação. Quanto mais camadas, mais complexo (ou profundo) é o modelo e maior poder computacional é necessário. Atualmente, o padrão de escolha para tarefas mais complexas como a avaliação de imagens (computer vision) são modelos mais sofisticados, chamados de redes neurais, as “convolutional neural networks” (CNN), que apresentam vários nós (ou neurônios) que quebram e recombinam a informação dada para o modelo e fazem múltiplos cálculos matemáticos.
Gostaria de ler a entrevista na íntegra?
Acesse a Oftalmologia em Foco digitalEntrevistado
Alessandro Adad Jammal
Especialista em Glaucoma pela Universidade de Campinas (Unicamp). Research scientist na Duke University, Estados Unidos. Doutorando pela Universidade de Campinas (Unicamp).
Editores da seção
Fábio Daga
Especialista em glaucoma, catarata e cirurgia refrativa, com formação pela University of California; Duke University; Unifesp; e Santa Casa de São Paulo. Médico assistente da Universidade Federal de Goiás. Editor da seção de glaucoma da revista Oftalmologia em Foco.
Victor Cvintal
Chefe do setor de glaucoma do Instituto de Oftalmologia Tadeu Cvintal, São Paulo, SP. Glaucoma Research Fellowship pelo Wills Eye Hospital, Filadélfia, EUA. Chefe do setor de glaucoma da FMABC. Editor de Glaucoma da Oftalmologia em Foco.
