Miriam Seoane Santos, data science advocater e machine learning researcher, foi à conferência a saber que a plateia queria a resposta à pergunta: Os dados salvam vidas? A sua intervenção deixou a resposta ao critério dos presentes, com apenas uma certeza absoluta : "A Inteligência Artificial representa um grande passo em direção à medicina personalizada, permitindo tratar cada doente consoante as suas características específicas, o que não só é mais eficaz, como é muito mais humano".

Antes dessa conclusão, que pode surpreender muitos, a investigadora do CISUC - Centro de Informática e Sistemas da Universidade de Coimbra, fez a plateia imergir na realidade e complexidade da Inteligência Artificial (IA).

"Tem sido muito óbvio para nós, na última década, que a IA tem revolucionado as várias vertentes da medicina, desde o diagnóstico ao prognóstico, com a utilização da IA generativa e processamento de linguagem natural para analisar notas, relatórios, literatura clínica, fazer a monitorização contínua da máquina humana ou ajudar-nos a prever o risco na saúde. No entanto, estes algoritmos de IA acabam por assumir um protagonismo tão grande que nos esquecemos de que são baseados em dados", contextualizou Miriam.

É por isso que não se pode garantir que esta tecnologia venha a salvar mais vidas: "Se estes forem dados representativos e de qualidade, vamos ter previsões e soluções de IA confiáveis e precisas, mas, por outro lado, se forem imperfeitos, vamos ter sistemas enviesados, com um desempenho parco, o que no caso da medicina pode ter consequências muito nefastas, porque estamos a falar da vida de alguém".

"Os dados biomédicos são precisamente uma tempestade perfeita para acontecer este tipo de problemas - uma vez que são geridos por várias pessoas dentro da instituição, estão guardados em diversos formatos, podem estar desatualizadas, descentralizados, dando azo à existência de várias versões dos mesmos registos, incoerências… -, mas também é verdade que é na área da medicina que vamos ter um maior impacto da IA centrada nos dados, um paradigma que estamos a descobrir desde 2021 até agora", destacou a machine learning researcher.

No futuro, "a evolução da Inteligência Artificial estará profundamente vinculada à gestão eficaz da confiança, risco e segurança dos dados, com o desenvolvimento da IA TRISM (Trust, Risk and Security Management) e também da IA Responsável, que englobam questões críticas como equidade, transparência, auditoria e proteção de dados".

Miriam Seoane Santos realçou igualmente a "tendência emergente" da geração de dados sintéticos, criados artificialmente por computadores para simular dados reais, considerando que "oferece benefícios significativos, permitindo um desenvolvimento mais responsável da IA, reduzindo custos e esforços na aquisição de novos dados, promovendo a sua democratização e acelerando projetos de IA com ambientes de teste flexíveis".

Adicionalmente, "os dados sintéticos também abordam questões sobre a qualidade dos dados originais, alinhando-se com os princípios da IA Responsável, ao mitigar riscos e identificação de informações pessoais, constituindo um avanço que promete ser uma ferramenta flexível e poderosa para impulsionar o desempenho dos algoritmos de IA".

A especialista deixou ainda um exemplo das potencialidades da Inteligência Artifical num trabalho em que esteve envolvida. Em concreto, no processo de desenvolvimento de uma plataforma de sistema de apoio à decisão para doentes com carcinoma hepatocelular, a IA conseguir descobrir "uma subdivisão no estádio C, que mapeava dois grupos de doentes para um resultado muito diferente em termos de sobrevida e em termos de características", que só foi possível graças a "heterogeneidades que a IA consegue captar".

No final, Miriam Seoane Santos garantiu que há apenas uma certeza: com o acesso a estes dados "surge uma possibilidade muito maior de colaboração, de todos podermos contribuir para o desenvolvimento de novo conhecimento, atualização das guidelines clínicas, partilha de dados, a facilitação da aprovação de ensaios clínicos e protocolos de colaboração com universidades e outras entidades - e até o próprio desenho especializado de determinados "cohorts" com dados sintéticos poderá ser uma possibilidade se nos quisermos focar em determinados detalhes ou determinadas condições".