Ponto de Vista Por Felipe Kitamura (x) (SP)
Inteligência Artificial: o ótimo às vezes é inimigo do bom Uma parte significativa das pesquisas de inteligência artificial (IA) na radiologia consiste em tentar atingir o estado da arte para um determinado uso clínico. Isso significa tentar criar o algoritmo com a melhor performance entre todos já criados para aquele propósito, até então.
N
ão há nada de errado em faum modelo de IA na prática, uma etapa quem diga que é essencial que os algoritmos que há outras questões a serem resolvidas zer isso. Entretanto, quanto importante é fornecer o resultado de IA ao forneçam uma explicação do porquê tomaram antes de implantar o modelo, como segurança mais empurramos os limites, radiologista em tempo hábil. Para isso, enviar certas decisões para que sejam confiáveis, mas da informação, cybersegurança, sustentação maiores são os esforços para o resultado da ferramenta de AI de volta ao na minha opinião a Explicabilidade não seja do PACS de produção, largura de banda da alcançar um aumento irPACS de maneira automatizada é a essencial. essencial (embora possa ajudar). rede de servidores, validação prévia do algorisório no desempenho do algoritmo. Vamos ritmo e uma aprovação de um comitê de ética Nesse contexto, é necessário um software Caso tenha interesse em entender os motivos dessa afirmação, acesse o artigo “Trusexemplificar. em pesquisa, como qualquer outra pesquisa que execute tal tarefa. O artigo “Magicians tworthiness of Artificial Intelligence Models in Corner 8: How to connect an Artificial IntelliTive a oportunidade de acompanhar o na área da saúde. gence tool to PACS” (https://pubs.rsna.org/ Radiology and the Role of Explainability” (htdesenvolvimento de um modelo de segmenHá uma máxima em Machine Learning tação pulmonar que levou cerca de 60 horas que diz que 80% do trabalho está na curadotps://doi.org/10.1016/j.jacr.2021.02.008) no doi/10.1148/ryai.2021200105), publicado na Radiology: Artificial Intelligence descreve as ria de dados (acesso aos dados, limpeza dos Journal of the American College of Radiologists. para atingir uma performance de ~ 0,92 Dice (o que já é bom). Na tentativa de Outro aspecto de cunho prático é que a enorme maioria da tornar o modelo ainda melhor, literatura sobre IA é estrangeiforam necessárias ~ 200 horas a ra. Sabemos que nem tudo que mais para obter ~ 0,96 Dice, um funciona no exterior funcionará aumento marginal de ~4%. da mesma forma no nosso país. Levando em conta que foi Há muitas diferenças culturais, necessário um esforço e tempo sociais, econômicas, regulatórias, três vezes maior para alcançar entre outras. Por conta disso, não uma melhoria de apenas 4%, a podemos esperar para ver o que pergunta que fica é: quando decidir jogar a toalha? Ou seja, em acontece em outros países para qual momento o grande esforço depois copiarmos. Precisamos extra passa a não compensar o descobrir nós mesmos quais são pequeno ganho extra? A resposta os usos mais benéficos da IA para Figura 1. Máxima de que 80% do trabalho é na limpeza Figura 2. Minha percepção de que colocar um algoritmo em uso é depende da tarefa clínica. Pode o Brasil. Esse tema foi motivo do de dados e 20% é na criação dos algoritmos. bem mais trabalhoso que todo o processo de criação do algoritmo. ser que um Dice de 0,92 já seja podcast da Radiology: Artificial Inetapas técnicas de como fazer isso. Este artigo dados, marcação dos achados de imagem, etc) telligence, onde conversei com radiologistas bom o suficiente para o caso de uso. Se isso fornece o código fonte em linguagem python e apenas 20% do trabalho é gasto na criação da Nigéria e da Índia sobre a perspectiva de for verdade, gastar centenas de horas para que mostra como se conectar ao PACS, buscar dos algoritmos em si (modelagem), conforme uso da IA em países em desenvolvimento. obter uma melhora marginal apenas atrasará e recuperar um estudo específico, fazer a mostra a figura 1. No entanto, a minha exO viés (bias) dos algoritmos é parte central a próxima etapa, que é a validação clínica do periência é que a integração do algoritmo no inferência desse estudo em um modelo de IA nessa discussão. modelo no mundo real (radiologistas usando-o no contexto de um ensaio clínico). fluxo de trabalho do radiologista demanda e, em seguida, enviar os resultados de volta Caso tenha interesse em aprofundar nesse assunto, acesse: https://rsnaradiologyai. Portanto, um bom algoritmo de IA é um mais esforço do que a curadoria e a modelaao PACS. Isso tudo de forma automatizada. gem de dados juntas (figura 2). libsyn.com/episode-9-ai-in-global-radiology. algoritmo que é utilizado. Pode não ser o Essa integração com o PACS pode ser testada livremente em um ambiente de pesquisa. Um aspecto importante que surge quanestado da arte, mas é bom o suficiente e está do começamos a testar algoritmos na prática Mas se você planeja testar um algoritmo no Dr. Felipe Campos Kitamura disponível para teste. é a necessidade de ganhar confiança na IA. Há PACS de produção de sua instituição, saiba Head de Inteligência Artificial da DASA Quando começamos a pensar em testar
JUN / JUL 2021 nº 122
3