A revolução da Inteligência Artificial (IA) no setor da saúde tem atraído um interesse sem precedentes, segundo especialistas e líderes da área. Originada na década de 1950, a IA atravessou várias fases de desenvolvimento, agora claramente delineadas em três eras distinta, como nos apresenta um artigo publicado em JAMA em 16 de janeiro de 2024:
🚀 IA 1.0 - As Bases da Simulação do Pensamento Humano
Na era inicial da Inteligência Artificial, marcada como IA 1.0, o objetivo primordial era codificar o conhecimento humano em formas de regras e modelos computacionais e probabilísticos. Esta fase da IA, embora pioneira, enfocava a tentativa de simular aspectos do pensamento e raciocínio humano por meio de sistemas baseados em regras e lógica.
No entanto, apesar do seu caráter inovador, a IA 1.0 encontrou desafios significativos, particularmente no tratamento da complexidade e variabilidade dos dados no setor da saúde. Esses desafios incluíam a dificuldade em modelar a incerteza e a ambiguidade inerentes aos dados médicos e de saúde, bem como a limitação em adaptar-se a novos conhecimentos ou mudanças em padrões de doenças. Sistemas baseados em IA 1.0 eram eficazes em condições e cenários bem definidos, mas lutavam para lidar com situações que exigiam flexibilidade e adaptação, características essenciais no dinâmico campo da saúde.
Essa abordagem inicial foi fundamental para estabelecer o terreno para desenvolvimentos futuros, porém destacando a necessidade de modelos mais avançados e adaptativos, capazes de aprender e evoluir com novas informações, um desafio que seria enfrentado nas eras subsequentes da Inteligência Artificial.
🚀 IA 2.0 - O Surgimento do Deep Learning
A chegada da IA 2.0 marcou uma profunda revolução na Inteligência Artificial, caracterizada pelo surgimento do Deep Learning. Essa inovação representou uma mudança significativa em relação às técnicas anteriores, pois permitiu que os modelos de IA aprendessem diretamente de grandes conjuntos de dados rotulados com 'verdades fundamentais'.
Este avanço possibilitou progressos notáveis, tanto em aplicações cotidianas quanto no setor de saúde, onde se destacam, por exemplo, o aprimoramento de diagnósticos e a personalização de tratamentos. Os modelos de Deep Learning, especializados e focados em tarefas específicas como classificação e previsão, trouxeram uma eficiência sem precedentes, embora operassem de forma mais restrita, dedicando-se a uma única tarefa por vez. Esta era da IA demonstrou o potencial de algoritmos em interpretar complexidades nos dados de saúde, resultando em insights mais precisos e decisões clínicas mais informadas.
🚀 IA 3.0 - Inovação da IA Generativa
A era mais recente, a IA 3.0, introduziu o conhecido como modelos de fundação e a inteligência artificial generativa. Esta fase se destaca pelas capacidades transformadoras desses modelos, capazes de realizar uma variedade de tarefas sem necessidade de re-treinamento específico para cada nova aplicação. Um exemplo claro dessa flexibilidade é visto na forma como simples instruções textuais em determinadas ferramentas, podem mudar o comportamento do modelo. Por exemplo, ao receber comandos como “Escreva esta nota para um consultor especialista” e “Escreva esta nota para a mãe do paciente”, o modelo é capaz de produzir conteúdos significativamente diferentes, adequados a cada contexto específico.
No entanto, com essas inovações, surgiram novos riscos, como as chamadas "alucinações" da IA, onde os modelos podem gerar dados imprecisos ou irrelevantes. Esse fenômeno ocorre quando o modelo gera informações ou conclusões que não são baseadas em dados precisos ou que são distorcidas em relação ao que foi solicitado. Essa característica ressalta a necessidade de monitoramento e avaliação contínua da qualidade e precisão dos outputs gerados pela IA 3.0.
Esta preocupação também foi discutida em uma publicação de janeiro de 2024 do New York Times, que abordou sobre o futuro da IA e seu impacto em vários setores, incluindo a saúde. Entre os destaques, o potencial da IA em revolucionar a saúde, promovendo tratamentos personalizados e uso eficiente de recursos. Por outro lado, a importância de garantir que os avanços sejam distribuídos de forma justa e inclusiva foi reforçado. Assim, a IA na saúde pode servir para melhorar o bem-estar geral, e não apenas como ferramenta para maximizar lucros e eficiência.
Dentro dessa perspectiva, entendemos que em um mundo aonde a IA se infiltra em cada aspecto de nossas vidas, a responsabilidade de entender, discutir e integrar essas tecnologias em nossos ambientes de trabalho torna-se primordial. Devemos, portanto, nos empenhar ativamente para garantir que a IA seja utilizada de maneira ética e benéfica, maximizando seu potencial para melhorar não apenas a eficiência e a produtividade, mas também para enriquecer a qualidade do nosso trabalho.
Referência:
-
Howell MD, Corrado GS, DeSalvo KB. Three Epochs of Artificial Intelligence in Health Care. JAMA. 2024;331(3):242–244. doi:10.1001/jama.2023.25057
- "Artificial Intelligence, Truckers, Writers." The New York Times. 4 Jan. 2024. Disponível em: https://www.nytimes.com/2024/01/04/opinion/artificial-intelligence-truckers-writers.html?smid=nytcore-ios-share&referringSource=articleShare.