A NVIDIA é imparável em inteligência artificial? Esse foi o título de uma matéria da Forbes, em 2018, sobre o impressionante sucesso da empresa nessa área. Para eles, a NVIDIA não é uma empresa de GPU (Unidade de Processamento Gráfico), mas sim uma “empresa-plataforma” com um apetite insaciável pelo crescimento, dada sua expertise em AI, hardware e software.
Em dezembro, conhecemos o recente headquarter da empresa, em Santa Clara. Fomos recebidos pelos principais executivos da empresa no setor de inteligência artificial para saúde, o time majoritariamente feminino, explicou as diferentes formas de se implementar AI, seus principais cases e posicionamentos.
A inteligência artificial está revolucionando todas as indústrias e nos ajudando a resolver problemas nunca antes imagináveis. Tudo começou com a revolução dos computadores pessoais, que possibilitou o acesso, em massa e diretamente dos lares. Então, a revolução dos dispositivos móveis, colocando um “computador” em todos os bolsos. Por fim, a nuvem tornou nossos dispositivos supercomputadores. Agora, é a vez da AI, colocando inteligência em todos equipamentos ao redor do mundo.
“Isso vai desencadear um nível de inovação que nunca vimos! Quando digo Inteligência artificial, eu me refiro a um termo guarda-chuva sobre a situação de uma máquina simular a forma como um ser humano pensa.” disse Rima Alameddine, Vice-Presidente de Inteligencia Artificial da empresa. Em geral, no aprendizado de máquina, um cientista de dados trabalha junto com um especialista para selecionar características importantes para o modelo. Já Deep Learning, uma abordagem mais nova, é um mecanismo no qual o modelo aprende com base nos dados, não há a necessidade de um especialista, as características são auto selecionáveis, um software escrevendo outro software, capaz de produzir resultados incríveis.
Para aproveitar esse potencial, é necessário entre outras coisas, muitos dados e capacidade de processamento computacional. Então entram os GPUs, que permitem a execução desses modelos altamente complexos, desde imagens médicas a análise genômica, passando pela descoberta de novas drogas. Um bom poder computacional viabiliza que médicos comparem resultados e histórico de um único paciente com bilhões de dados populacionais, para citar.
Historicamente, somente dados estruturados eram utilizados nos modelos, o deep learning abre novas possibilidades com NPL (processamento de linguagem natural), que agora também passa a identificar áudios, escrita e vídeos por exemplo. Segundo Rima, é possível analisar uma imagem e detectar se existe câncer através da chamada técnica de classificação. Ainda é possível descobrir a extensão do tumor, prever a probabilidade de sobrevida ou recomendar terapias baseado em todo o universo de dados combinados.
Basicamente há três formas de começar a trabalhar com AI: realizar parcerias com startups que possuam aplicações relevantes para o seu business, que é a mais simples das opções; adaptar um modelo que já existe e treiná-lo com os próprios dados; ou desenvolver do zero, caso esteja interessado em criar algo totalmente novo.
Quando vamos mais fundo no que está acontecendo na saúde, o impacto desse movimento já pode ser sentido em todo o espectro, incluindo na esfera de cuidados clínicos. Queremos diagnosticar mais cedo e tratar os pacientes com a maior eficiência assistencial e operacional possível. Prever crises, internações, descobrir novas drogas e integrar, de fato, a medicina de precisão.
De acordo com o artigo da NCBI, um terço da população mundial diabética tem sintomas de Retinopatia Diabética, e destes, mais de 30% têm a possibilidade de virem a ficar cegos pela condição. Rima conta que a IDX, em parceria com a NVIDIA, criou um sistema, já aprovado pelo FDA, que aponta a situação em contexto de primária, identificando-a antecipadamente, uma vez que a frequência ao comparecimento nesse tipo de consulta é maior do que na especialidade de oftamologia.
Outro exemplo é a parceria com a Subtle Medical com redução do tempo que o paciente fica na máquina de ressonância magnética, em cerca de 15%, e redução da quantidade de contraste injetado, possível através de AI na reconstrução da imagem. As vantagens são inúmeras tanto para a experiência do paciente no maior conforto - especialmente lidando com crianças, quanto para o melhor fluxo de atendimento para o provedor, menor custo para o hospital pela melhor utilização de demanda do equipamento.
A Clara, é o SDK (Software Development Kit) da empresa que suporta esses desenvolvimentos. Sandra Chehab, responsável global por healthcare com foco em AI e deep learning na NVIDIA, diz que o projeto foi apresentado na GPU Technology Conference (GTC) em 2017. “Houve muito esforço para agrupar em um framework, e que fosse parcialmente open source. Eu penso na Clara como um kit de ferramentas para a saúde. Existem camadas para anotações digitais em exames ou renderização, por exemplo, não é algo isolado”. Ela explica que já existem diversas bibliotecas e os planos são de expansão. Para imagens médicas, o trabalho muitas vezes é realizado em conjunto com outras empresas como Philips, GE ou Siemens. Para os que quiserem saber mais, recomendo este vídeo do CEO Jensen Huang sobre o projeto.
Um tema constante em todos os desenvolvimentos e iniciativas de inovação, o combate ao câncer foi diversas vezes citado em múltiplas estratégias. Em uma delas, em colaboração com a Mayo Clinic, eles perceberam que poderiam receber muito mais informações de uma ressonância magnética do que estavam procurando. Em uma ação normal após a descoberta de um tumor, realiza-se uma biópsia para entender a composição genética do tumor e sugerir um tratamento. Mas foi identificado que, utilizando certas ferramentas, era possível mapear informações como composição genética, textura, tamanho, e outros dados na própria imagem, sem a necessidade do procedimento invasivo. A precisão alcançada hoje é de 92%, e está sendo utilizada na Mayo como segunda opinião, em paralelo com o aprimoramento da taxa de acerto do algoritmo.
Outro case é uma aplicação que analisa uma grande quantidade de imagens e cria um modelo que pode identificar áreas cancerígenas, e através de um mapa de calor otimiza a decisão médica. “Atualmente, os médicos podem identificar áreas problemáticas em uma imagem com uma taxa de 96% de precisão, com a adição do sistema, esse número sobe para 99,5%. Pode parecer pouco, mas significa que, a cada 100 diagnósticos, teremos mais 3 sendo realizados corretamente”, defende Rima.
Em Yale, uma parceria entre a NVIDIA e a Aidoc já está em andamento. A aplicação é capaz de priorizar possíveis exames de pacientes em situações de emergência para radiologistas do hospital. Ou seja, os exames não chegam em ordem cronológica para a análise, e sim em possível ordem de importância, nos quais tempo é fundamental para a assistência.
Segundo a vice presidente, muitos casos de deep learning foram mostrados, mas muitas otimizações podem ser realizadas com abordagens mais tradicionais. “A quantidade de dados nos hospitais é muito valiosa!”. Por exemplo, é possível prever quais pacientes provavelmente não comparecerão às suas consultas e enviar lembretes, ou fazer um overbooking nesse período. São casos que não exigem muita expertise e podem economizar milhões.
Sandra conta que uma preocupação recorrente do corpo clínico é se a inteligência artificial substituirá os médicos. “Estamos aqui para ajudá-los e empoderá-los em seu fluxo de trabalho. Um radiologista passa cerca de 60% do seu tempo olhando para casos extremamente normais. Porque não utilizar esse tempo nos 40% dos casos que são mais complexos, e permitir que a AI os ajude com o resto? A inteligência artificial nunca vai substituir um médico, mas médicos que souberem utilizar AI substituirão os que não acompanharem essa tecnologia. A combinação da tecnologia com o conhecimento, e a competência médica, criam algo muito mais poderoso e eficaz do que temos hoje”
No final, Rima disse que existe um potencial enorme para a inteligência artificial no Brasil, em termos de entrega de eficiência e novas possibilidades, mas há uma grande jornada até a sua consolidação. “Pensem em uma coisa na qual podemos ajudar, somente uma no início. Redução de despesas, melhoria do fluxo de trabalho, qualidade… E tentem dar o primeiro passo”, aconselha Sandra
