{"id":375821,"date":"2024-02-22T14:00:00","date_gmt":"2024-02-22T13:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/como-e-que-os-algoritmos-tomam-decisoes-complexas\/"},"modified":"2024-04-08T07:37:53","modified_gmt":"2024-04-08T05:37:53","slug":"como-e-que-os-algoritmos-tomam-decisoes-complexas","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/pt-pt\/como-e-que-os-algoritmos-tomam-decisoes-complexas\/","title":{"rendered":"Como \u00e9 que os algoritmos tomam decis\u00f5es complexas?"},"content":{"rendered":"\n

A intelig\u00eancia artificial (IA) pode ajudar a detetar o cancro da pele na pr\u00e1tica cl\u00ednica di\u00e1ria, mas um dos obst\u00e1culos \u00e9 que as decis\u00f5es tomadas pelos algoritmos n\u00e3o s\u00e3o muitas vezes compreens\u00edveis. Cientistas do Centro Alem\u00e3o de Investiga\u00e7\u00e3o do Cancro desenvolveram agora um sistema de apoio baseado em IA para o diagn\u00f3stico do cancro da pele que fornece explica\u00e7\u00f5es para as decis\u00f5es dos algoritmos. O objetivo \u00e9 refor\u00e7ar a confian\u00e7a dos profissionais de sa\u00fade nas aplica\u00e7\u00f5es de IA.<\/strong><\/p>\n\n\n\n

Os melanomas s\u00e3o respons\u00e1veis pela maioria das mortes relacionadas com o cancro da pele em todo o mundo, mas s\u00e3o dif\u00edceis de distinguir de outros tumores cut\u00e2neos numa fase inicial. Os recentes avan\u00e7os nos sistemas de apoio ao diagn\u00f3stico baseados em IA podem ajudar os dermatologistas a diagnosticar melanomas e toupeiras com maior precis\u00e3o, utilizando imagens digitalizadas de les\u00f5es suspeitas. Mas que caracter\u00edsticas determinam o resultado de um sistema de IA? “A responsabilidade final por um diagn\u00f3stico cabe ao m\u00e9dico. \u00c9 por isso que os dermatologistas est\u00e3o justificadamente cautelosos quanto \u00e0 utiliza\u00e7\u00e3o de sistemas baseados em IA sem serem capazes de compreender as suas decis\u00f5es”, explicou o Dr. Titus Brinker do Centro Alem\u00e3o de Investiga\u00e7\u00e3o do Cancro (DKFZ) [1]. “O nosso objetivo era, portanto, desenvolver um sistema de apoio adaptado \u00e0 perspetiva dos dermatologistas no diagn\u00f3stico do melanoma e que explicasse o seu processo de tomada de decis\u00e3o”, afirma o Dr. Brinker [1]. <\/p>\n\n

<\/p>\n\n

Estudo MELVEC na Universidade de Basileia <\/strong>Os novos sistemas de fotografia 3D de corpo inteiro baseados na intelig\u00eancia artificial com an\u00e1lise de software assistida por computador para a avalia\u00e7\u00e3o do risco de altera\u00e7\u00f5es pigmentares da pele t\u00eam o potencial de melhorar a dete\u00e7\u00e3o precoce do melanoma maligno e, assim, influenciar positivamente o progn\u00f3stico da doen\u00e7a. O estudo MELVEC da Universidade de Basileia est\u00e1 a investigar a utiliza\u00e7\u00e3o da mais recente fotografia 3D de corpo inteiro para o rastreio do melanoma. Especificamente, o estudo analisa a efic\u00e1cia da utiliza\u00e7\u00e3o adicional de sistemas de an\u00e1lise de fotografias com base em software de IA e a sua utiliza\u00e7\u00e3o em doentes com elevado risco de (novo) melanoma na dete\u00e7\u00e3o precoce, em compara\u00e7\u00e3o com o padr\u00e3o atual, os controlos cl\u00ednicos efectuados por um dermatologista. Para al\u00e9m dos potenciais benef\u00edcios e da precis\u00e3o desta nova tecnologia num contexto real, ser\u00e1 tamb\u00e9m avaliada a aceita\u00e7\u00e3o pelos doentes deste procedimento inovador e a carga emocional do cancro da pele, bem como a necessidade de apoio psicol\u00f3gico em diferentes fases da doen\u00e7a. O estudo MELVEC est\u00e1 a decorrer desde 2020 e j\u00e1 incluiu mais de 400 doentes. <\/td><\/tr>
para [3 .4] <\/em><\/td><\/tr><\/tbody><\/table><\/figure>\n\n

“Intelig\u00eancia artificial explic\u00e1vel”<\/h3>\n\n

“Na sequ\u00eancia de trabalhos anteriores, desenvolvemos a nossa IA explic\u00e1vel (XAI = intelig\u00eancia artificial explic\u00e1vel) <\/em>desenvolvido de tal forma que fornece explica\u00e7\u00f5es do tipo dermatol\u00f3gico que se relacionam com as caracter\u00edsticas de zonas espec\u00edficas e individuais da les\u00e3o”. [1]. Num estudo em tr\u00eas fases, a equipa do Dr. Brinker investigou os efeitos na precis\u00e3o do diagn\u00f3stico, na certeza do diagn\u00f3stico e na confian\u00e7a dos dermatologistas no sistema explicativo [1,2]. Os investigadores queriam tamb\u00e9m saber quais os factores que promovem a confian\u00e7a dos m\u00e9dicos nesta tecnologia. Mais de cem dermatologistas de 33 pa\u00edses participaram no estudo. Os m\u00e9dicos diagnosticaram um painel de teste de imagens digitalizadas de v\u00e1rias les\u00f5es tr\u00eas vezes – com base apenas na sua experi\u00eancia, com o apoio de um sistema de IA convencional e com a XAI. Tal como j\u00e1 foi documentado em estudos anteriores, a utiliza\u00e7\u00e3o de um sistema de IA aumentou a exatid\u00e3o do diagn\u00f3stico na dete\u00e7\u00e3o do melanoma, mas n\u00e3o foi poss\u00edvel aumentar ainda mais com a utiliza\u00e7\u00e3o da XAI. A confian\u00e7a dos dermatologistas nas suas pr\u00f3prias decis\u00f5es tamb\u00e9m melhorou com o apoio da IA – e aumentou significativamente mais uma vez quando se utilizou o sistema XAI. Os m\u00e9dicos tinham especial confian\u00e7a no seu pr\u00f3prio diagn\u00f3stico se os seus crit\u00e9rios de decis\u00e3o correspondessem em grande parte aos crit\u00e9rios enumerados pelo XAI. “Os resultados ilustram que a XAI pode melhorar a confian\u00e7a dos m\u00e9dicos no diagn\u00f3stico e tem o potencial de aumentar a aceita\u00e7\u00e3o da utiliza\u00e7\u00e3o de m\u00e9todos de IA por parte dos profissionais de sa\u00fade”, afirma o Dr. Brinker, l\u00edder do estudo. <\/p>\n\n

MedUni Vienna: “Aprendizagem por refor\u00e7o” para um melhor diagn\u00f3stico do cancro da pele <\/strong>Uma equipa de investiga\u00e7\u00e3o internacional investigou a aprendizagem por refor\u00e7o como um m\u00e9todo para alcan\u00e7ar uma maior precis\u00e3o nos resultados da IA atrav\u00e9s da incorpora\u00e7\u00e3o de crit\u00e9rios de decis\u00e3o humanos. Os investigadores integraram crit\u00e9rios sob a forma de “tabelas de recompensas” no sistema de IA. As tabelas de recompensas s\u00e3o ferramentas que incorporam as consequ\u00eancias positivas e negativas das avalia\u00e7\u00f5es cl\u00ednicas no processo de tomada de decis\u00e3o, tanto na perspetiva dos m\u00e9dicos como dos doentes. Nesta base, os resultados do diagn\u00f3stico da IA foram n\u00e3o s\u00f3 classificados como correctos ou incorrectos, mas tamb\u00e9m recompensados ou penalizados com um determinado n\u00famero de pontos positivos ou negativos, em fun\u00e7\u00e3o dos efeitos do diagn\u00f3stico ou das decis\u00f5es dele resultantes. Este facto melhorou significativamente a precis\u00e3o: A sensibilidade para os melanomas, por exemplo, foi aumentada de 61,4% para 79,5% e para os carcinomas basocelulares de 79,4% para 87,1%. Globalmente, a taxa de diagn\u00f3sticos correctos efectuados por dermatologistas aumentou 12%. O estudo foi publicado na revista Nature Medicine <\/em>.<\/td><\/tr>
de acordo com [6]<\/em><\/td><\/tr><\/tbody><\/table><\/figure>\n\n

A IA j\u00e1 n\u00e3o \u00e9 uma “caixa negra”<\/h3>\n\n

As condi\u00e7\u00f5es propostas pela Comiss\u00e3o Europeia para aplica\u00e7\u00f5es de IA fi\u00e1veis incluem vis\u00e3o geral, transpar\u00eancia e responsabilidade. Se os algoritmos de IA forem uma “caixa negra”, isso pode ter um impacto negativo na aceita\u00e7\u00e3o do utilizador. Especialmente porque a medicina moderna propaga o diagn\u00f3stico baseado em provas como base para as decis\u00f5es terap\u00eauticas. Por conseguinte, a t\u00e9cnica da intelig\u00eancia artificial explic\u00e1vel<\/em> (XAI) foi desenvolvida para aumentar a fiabilidade das previs\u00f5es e julgamentos gerados pela IA, explicando como se chegou \u00e0s conclus\u00f5es baseadas na IA. <\/p>\n\n

Literatura:<\/p>\n\n

    \n
  1. “O apoio baseado em IA para o diagn\u00f3stico do cancro da pele explica as suas decis\u00f5es”, DKFZ, 17.01.2024. <\/li>\n\n\n\n
  2. Chanda T, et al: Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma. Nature Communications 2024,DOI: 10.1038\/s41467-023-43095-4<\/li>\n\n\n\n
  3. “Aumento alarmante dos casos de cancro da pele: AI-supported 3D full-body photography to the rescue?”, www.skincancer.ch\/newsletter-28,<\/a>(\u00faltimo acesso em 21\/02\/2024)<\/li>\n\n\n\n
  4. “Aim of the study”, www.hautkrebs-basel.ch,<\/a>(\u00faltimo acesso em 21\/02\/2024).<\/li>\n\n\n\n
  5. Smuha NA: A abordagem da UE \u00e0s orienta\u00e7\u00f5es \u00e9ticas para uma intelig\u00eancia artificial fi\u00e1vel. Computer Law Review International; 2019; Vol. 20; iss. 4; 97-106. <\/li>\n\n\n\n
  6. Barata C, et al: Um modelo de aprendizagem por refor\u00e7o para apoio \u00e0 decis\u00e3o baseado em IA no cancro da pele. Nat Med 2023; 29(8): 1941-1946.<\/li>\n<\/ol>\n\n

    <\/p>\n\n

    <\/p>\n\n

    DERMATOLOGIE PRAXIS 2024; 34(1): 29 (publicado em 25.2.24, antes da impress\u00e3o)<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    A intelig\u00eancia artificial (IA) pode ajudar a detetar o cancro da pele na pr\u00e1tica cl\u00ednica di\u00e1ria, mas um dos obst\u00e1culos \u00e9 que as decis\u00f5es tomadas pelos algoritmos n\u00e3o s\u00e3o muitas…<\/p>\n","protected":false},"author":7,"featured_media":375824,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Diagn\u00f3stico do cancro da pele com base na IA ","footnotes":""},"category":[11356,11521,11379,11544,11474,11551],"tags":[72657,20058,74613,14153,51194],"powerkit_post_featured":[],"class_list":["post-375821","post","type-post","status-publish","format-standard","has-post-thumbnail","category-dermatologia-e-venereologia-pt-pt","category-estudos","category-oncologia-pt-pt","category-pratica-de-gestao","category-prevencao-e-cuidados-de-saude","category-rx-pt","tag-algoritmos","tag-diagnosticos-de-cancro-da-pele","tag-explicacoes","tag-inteligencia-artificial","tag-ki-pt-pt","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-20 17:58:37","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"pt_PT","wpml_translations":{"es_ES":{"locale":"es_ES","id":375831,"slug":"como-toman-decisiones-complejas-los-algoritmos","post_title":"\u00bfC\u00f3mo toman decisiones complejas los algoritmos?","href":"https:\/\/medizinonline.com\/es\/como-toman-decisiones-complejas-los-algoritmos\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts\/375821","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/comments?post=375821"}],"version-history":[{"count":1,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts\/375821\/revisions"}],"predecessor-version":[{"id":375829,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts\/375821\/revisions\/375829"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/media\/375824"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/media?parent=375821"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/category?post=375821"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/tags?post=375821"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/powerkit_post_featured?post=375821"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}