Page 14 - JBO-200 (JAN-FEV-MAR)

JBO - Jornal Brasileiro de Oftalmologia 14 Nº 200 - Janeiro / Fevereiro / Março - 2023
INTELIGÊNCIA

ARTIFICIAL:

o que o oftalmologista

precisa saber?

Daniel A. Ferraz MD, PhD2 aumentar a capacidade diagnóstica do profissional, e
Institute of Ophthalmology, University College Lon- não substituí-la, e para isso devemos conhecer seus
don - Londres, Inglaterra conceitos-chave.
Instituto D’Or de Pesquisa e
Ensino - São Paulo, Brasil
Segundo o Dicionário Priberam da Língua Portuguesa,
Victor CF Bellanda, MD1 IA é “ramo da ciência que estuda o desenvolvimen-
Departamento de Oftalmologia, Otorrinolaringolo- to de sistemas computacionais com base no modelo
3
gia e Cirurgia de Cabeça e Pescoço, Faculdade de da inteligência humana”. A partir dessa definição,
Medicina de Ribeirão Preto, Universidade de São
Paulo, Brasil - Ribeirão Preto, Brasil podemos apreender que qualquer forma de proces-
samento automático de dados constitui, de fato, um
Machine learning, deep learning, neural networks; a tipo de IA. Ora, em teoria, quem já utilizou programas
maioria dos oftalmologistas já se deparou com esses de análise estatística para realizar um estudo cientí-
termos em algum lugar, seja em uma reunião de con- fico utilizou também uma forma de IA. Esse concei-
ferência, um artigo científico ou até mesmo em um to “guarda-chuva”, no entanto, apesar de englobar
bate-papo informal com colegas. Mas o que eles real- também o exemplo acima, costuma ser utilizado atu-
mente significam? Até que ponto devemos conhecê- almente para se referir a formas mais “profundas” de
-los para nos mantermos atualizados com as frontei- aprendizagem, sobretudo as denominadas machine
ras da inovação? Será que podem impactar a prática learning e deep learning. Estes termos, traduzidos
clínica diária? como “aprendizagem de máquina” e “aprendizagem
profunda”, respectivamente, nada mais são do que
Essas questões tornam-se cada vez mais relevantes à maneiras de se referir a sistemas de IA capazes de
medida que novos algoritmos de Inteligência Artifi- formar e reconhecer padrões dentre os dados a eles
cial (IA) são aprovados em ensaios clínicos e lançados fornecidos, ou seja, “aprenderem”, sem que alguém
no mercado. Em 2018, o FDA autorizou a comerciali- os ensine (programe) diretamente. Este processo de
zação do IDx-DR, o primeiro sistema capaz de detec- aprendizagem pode ser guiado por um feedback do
tar, sem participação humana, retinopatia diabética programador (“aprendizagem supervisionada”), que
moderada a grave em fotografias de fundo de olho classifica as associações de saída como corretas ou
de pacientes diabéticos e decidir se eles precisam ser incorretas, refinando o algoritmo, ou de forma total-
1
encaminhados a um especialista. No 28º encontro mente automática (“aprendizagem não supervisiona-
da ARVO (The Association for Research in Vision and da”) realizada diretamente pelo sistema, baseando-
Ophthalmology), em 2019, a multinacional de tecno- -se num mecanismo de reconhecimento de padrões. 4
logia IBM, em parceria com a New York University,
divulgou seu algoritmo capaz de detectar glaucoma Nos dias atuais, lidamos com uma quantidade de
com uma precisão de 94% tão somente através de dados disparadamente maior do que a capacidade
2
um exame de tomografia de coerência óptica (OCT). de interpretação de uma única pessoa. Torna-se, por-
Informações como estas tendem a surpreender ou tanto, necessário encontrar uma forma de trabalhar
até assustar o médico oftalmologista que está ainda essa informação (também chamada de “big data”)
iniciando seu contato com a área. Porém, é funda- e encontrar as correlações que o processamento
mental compreender que essas tecnologias visam humano seria incapaz de estabelecer. Dessa forma,