Pesquisador da USP explica como algoritmos podem conter as próximas pandemias

·6 minuto de leitura

RIO — O professor Alexandre Chiavegatto Filho ganha a vida ensinando as máquinas – enquanto ensina seus alunos a fazerem o mesmo. Diretor do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps), da Universidade de São Paulo (USP), o pesquisador acredita que a inteligência artificial terá um papel decisivo no combate às próximas pandemias. Atualmente, o economista com doutorado em Saúde Pública coordena dois projetos de pesquisa relacionados à Covid-19.

Para ele, os algoritmos que analisam grandes bancos de dados poderão em breve identificar com precisão e eficiência o surgimento de doenças altamente contagiosas. Estes mecanismos também têm o potencial de orientar médicos sobre tratamentos e calcular as probabilidades de internações e óbitos. Nesta entrevista, o cientista explica como ferramentas digitais podem revolucionar as políticas públicas de saúde.

Como os algoritmos podem ajudar a humanidade nas próxima pandemias?

Existe um ótimo potencial para que os algoritmos impeçam a próxima crise. Tivemos um azar muito grande nesta pandemia, porque a área de aprendizado de máquina em saúde não está madura o suficiente. Estamos ainda engatinhando. Podemos, por exemplo, dar alertas de que algo estranho está acontecendo em algum lugar, usando o monitoramento de redes sociais e de serviços de saúde. É algo que já foi feito nesta pandemia. Antes mesmo da OMS, uma start-up (a canadense Blue Dot) já alertava que algo estranho estava acontecendo em Wuhan, na China. As pessoas começaram a se queixar muito nas redes sociais de um conjunto de sintomas que não eram comuns para aquela região naquela época do ano. No futuro, teremos mais empresas fazendo esse tipo de monitoramento e levaremos mais a sério os alertas.

Isso não criaria brechas de segurança para dados pessoais de saúde?

A questão ética é extremamente importante quando falamos de dados. Hoje, temos no Brasil a Lei Geral de Proteção de Dados (LGPD), à qual o meu laboratório já se adequou, que foi um avanço importante. Só trabalho com dados que já passaram por todas as barreiras necessárias, pelo comitê de ética e foram validados.

Quando a disseminação de uma doença for inevitável, a inteligência de dados também será capaz de ajudar?

Será possível mitigar seus efeitos. A evolução natural do conhecimento científico leva muito tempo até chegar aos livros-texto e aos artigos científicos. Algoritmos conseguem aprender muito mais rápidamente. Eles identificam no paciente características específicas da doença e calculam a probabilidade de ele ir para a UTI ou morrer. Porém, a área não está madura o suficiente hoje. E nem temos o sistema para (fazer) isso ainda.

Neste momento, seu laboratório desenvolve duas pesquisas relacionadas à pandemia de Covid-19. Em que estágio estão?

A primeira pesquisa desenvolve algoritmos de inteligência artificial para predição de diagnóstico e prognóstico da Covid-19. A segunda é um aplicativo para fazermos estudos clínicos randomizados de inteligência artificial. Temos mostrado que os algoritmos funcionam e que conseguem tomar decisões inteligentes na área da saúde. Com o aplicativo, queremos saber se as informações fornecidas pela inteligência artificial mudam as condutas clínicas dos médicos a ponto de evitar que pacientes morram, por exemplo. No primeiro estudo, temos o financiamento do CNPq. No segundo, da Microsoft, que abriu uma chamada mundial e nós fomos contemplados. Recebemos R$ 500 mil para o desenvolvimento.

Recentemente, a imprensa americana revelou que um aplicativo dermatológico desenvolvido pelo Google tinha problemas para identificar peles negras. Como evitar que a tecnologia perpetue desigualdades?

A gente precisa garantir a equidade dos algoritmos de inteligência artificial nos próximos anos. Sem dados sobre a população de baixa renda, por exemplo, corre-se o risco desse tipo de mecanismo aprender a tomar decisões boas só para pacientes ricos. Nosso laboratório checa se os algoritmos estão tomando decisões piores para grupos mais vulneráveis. Na nossa pesquisa sobre mortalidade neonatal, verificamos se a performance era a mesma entre mulheres mães de alta escolaridade e de baixa escolaridade, entre mães adolescentes e adultas e entre mães negras e brancas. Deixamos bem claro no artigo que nosso algoritmo não aumenta desigualdades entre grupos vulneráveis. É o mínimo, na minha opinião.

Acredita que a inteligência artificial tem potencial de substituir os médicos de carne e osso nos hospitais do futuro?

Não, acredito que a tecnologia sempre servirá como auxílio. Decisões de vida ou morte precisam ter um ser humano responsável, e o médico, na frente do paciente,é quem consegue entender de fato qual é a melhor intervenção. A mecânica do contato humano (ainda) é extremamente fundamental.

Como a análise de grande volume de dados, o chamado big data, pode auxiliar a saúde pública no Brasil?

Uma política pública bem feita é aquela que atinge apenas quem deve ser beneficiado por ela. Por exemplo, se você deseja diminuir a mortalidade neonatal no país, não dá para colocar na conta todos os bebês que nascem anualmente. Seria um custo gigantesco. É preciso identificar os bebês com alto risco e atuar nesses casos especificamente. Quanto mais específica, mais eficiente se torna essa política. Assim, você irá desenvolver mais políticas pois acabou de poupar muito dinheiro identificando os alvos certos. Você tem um efeito tanto direto, de saúde, na vida dos pacientes, como também auxilia o governo a melhorar a alocação de recursos.

Como o país está se saindo na digitalização e disponibilização de dados para pesquisadores?

O Brasil tem um bom sistema de informação de saúde. Hoje em dia, mais de 95% de todos os nossos nascimentos e óbitos são registrados, na maioria dos casos com boa qualidade. O nosso grande problema é a falta de comunicação entre os diferentes sistemas de saúde. Ou seja, você não consegue acompanhar um paciente ao longo da vida. Os dados são bons, o que falta é a unificação. Recentemente, o Senado aprovou um projeto de lei (3814/2020) para resolver isso, unindo informações do sistema público e privado. Historicamente, no Brasil, existia a matéria-prima, mas faltava a tecnologia. Hoje é o oposto. Meu laboratório não fica atrás de nenhum outro no mundo na área de machine learning em saúde. Precisa apenas de mais matéria-prima.

‘Healthtechs’:Startups de tecnologia batem recorde histórico anual de investimentos

As autoridades de saúde no país tratam essa área com a prioridade necessária?

Os políticos estão se dando conta, a seu tempo, da importância dos dados para melhorar suas decisões. Mas acho que as pessoas ainda não fazem ideia do tsunami de inteligência artificial que vem aí. No nosso dia a dia, o algoritmo já está tomando decisões inteligentes, seja com aplicativos como o Waze ou plataformas de streaming como Netflix. Os mesmos algoritmos que funcionam nessas áreas são os que funcionarão na área da saúde. Em nenhum outro setor a tomada de decisões é tão difícil. Depende de fatores socioeconômicos, demográficos, da presença de doenças e influências ambientais que interagem de uma forma complexa, levando a desfechos específicos. O aprendizado de máquina em saúde é perfeito para isso.

Que países estão hoje na vanguarda da coleta e processamento de dados de saúde?

O país que mais coleta dados, sem sombra de dúvidas, é a China. Além de reunir mais dados, unifica informações e permite que seus pesquisadores, de forma bem controlada, analisem esse conjunto e tomem decisões. Estamos começando a ver alguns alguns resultados bem interessantes vindos de lá. Em geral, os cientistas chineses costumam ser bem fechados, mas de vez em quando publicam material relevante. Por outro lado, o conhecimento técnico de fronteira está nos EUA, nas grandes universidades e corporações, que atraem os melhores pesquisadores de todo o mundo. Delas, vêm as novidades.