Um primeiro modelo foi treinado para identificar a severidade da doença chamada degeneração macular relacionada à idade, com base em fotografias da retina. Os resultados desse modelo foram agregados a dados clínicos e sociodemográficos para treinar um segundo modelo, capaz de prever se a doença iria progredir para o estágio mais grave num período de até 2 anos.
O modelo foi treinado em dados de eletrocardiograma para detectar 6 das doenças cardíacas mais comumente avaliadas pelo exame, atingindo desempenho melhor do que de médicos residentes.
O modelo foi treinado com marcadores sanguíneos que se mostraram elevados em pacientes que morreram em função da infecção pelo novo coronavírus, e com dados demográficos que representam fatores de risco. Agora, um aplicativo disponível à comunidade médica usa o modelo para fazer predições de severidade em tempo real.
Inspirados por um trabalho do ano passado relatando sucesso na predição de transplante de rim bem sucedido, uma empresa canadense está iniciando um programa para treinar um modelo mais robusto, a ser disponibilizado para auxiliar o paciente recipiente na hora de decidir entre um órgão disponível ou esperar por maior compatibilidade.
Uma rede neural convolucional foi treinada para contar as células da retina, que morrem durante a progressão do glaucoma, e assim produzir medidas objetivas do estado do paciente com 18 meses de antecedência em comparação ao diagnóstico produzido por médicos especialistas.
Além de modelos de IA treinados para detectar a COVID-19 a partir de exames de imagens, que terá aplicação clínica e científica, a empresa também está lançando uma ferramenta que usa análise inteligente de vídeo e discurso para monitorar os ambientes hospitalares.
Usando princípios da área da ciência da computação chamada de ontologia, pesquisadores estabeleceram as características dos conceitos associados ao domínio da doença, assim como suas relações, dotando a inteligência artificial da capacidade de diagnosticar o tipo de epilepsia com poucos dados do paciente.
A rede neural desenvolvida foi treinada em um regime especial, possibilitando grande capacidade de generalização com um número extremamente reduzido de dados de treinamento. Assim foi possível medir o fluxo sanguíneo através de MRI, uma novidade recente, mas num intervalo de tempo de 21 segundos, em comparação com os 25 minutos tradicionalmente necessários.
O modelo foi treinado para identificar lesões malignas e classificar entre 134 doenças possíveis, a partir de imagens. Apesar do auto desempenho, o sistema foi de fato avaliado pelo seu potencial de melhorar o diagnóstico profissional, assim servindo como ferramenta de inteligência aumentada.
O sistema usa dados coletados na admissão do paciente e exames clínicos para detectar se a pessoa está contaminada com o novo coronavírus, sendo uma alternativa aos exames específicos à doença, que por um lado estão em falta, e por outro algumas vezes não são eficientes.
