FUNDACIÓN MERCK SALUD - Arquivo
MADRID 26 jun. (EUROPA PRESS) -
Pesquisadores do Instituto de Salud Carlos III (ISCIII) geraram uma nova metodologia, que utilizou uma nova ferramenta complementar à inteligência artificial baseada no chamado "aprendizado de máquina", capaz de melhorar a extração, a seleção e o processamento de dados biomédicos e de saúde.
Os pesquisadores Ricardo Sánchez de Madariaga, Mario Pascual Carrasco e Adolfo Muñoz Carrero, da Unidade de Pesquisa em Saúde Digital (UITeS) do ISCIII, trabalharam com uma nova abordagem complementar à inteligência artificial, denominada Dataset Feature Splitting (DFS).
Como ele explica, essa ferramenta permite que diferentes distribuições de probabilidade sejam geradas a partir de um conjunto de dados original, identificando quais algoritmos baseados em aprendizado de máquina são mais adequados à natureza estatística dos dados.
"O resultado final é uma melhor extração, seleção e processamento de dados biomédicos e de saúde, com recursos superiores aos métodos clássicos, como a regressão logística", afirmam.
Essa nova metodologia se baseia em modelos de linguagem, como o ChatGPT e o Google Gemini, que ajudam a codificar o conhecimento médico com uma quantidade mínima de dados, identificando automaticamente os algoritmos mais eficientes para cada caso de pesquisa e processamento de informações para extração de conhecimento.
Os autores destacam que esse é "um avanço importante para melhorar a exploração inteligente de dados médicos, com grande potencial para a pesquisa em saúde". Por exemplo, a metodologia apresentada pela equipe do ISCIII pode determinar se um conjunto específico de dados médicos é válido para representar e extrair um determinado conhecimento, usando um subconjunto de algoritmos de aprendizado de máquina supervisionados padrão.
Se a análise estatística e a inteligência artificial considerarem que o processo é viável para os objetivos declarados, o subconjunto mais adequado de algoritmos é determinado para extrair e sistematizar o conhecimento médico desejado do conjunto de dados. Dessa forma, a partir de um conjunto de dados com uma série de características médicas, como análises, comorbidades ou medicamentos de um conjunto de pacientes, a metodologia retorna quais dessas características estão relacionadas ao resultado (doença) do conjunto de dados, do ponto de vista do conhecimento médico.
No futuro, pode ser muito útil para os médicos lidar com um conjunto reduzido de recursos para diagnosticar rapidamente o resultado médico em questão. Esses algoritmos sugerem uma série de correlações que podem ser possíveis causalidades, portanto, a partir desse ponto, os profissionais médicos devem validá-los com base no conhecimento científico que seu treinamento e experiência lhes conferem.
Esta notícia foi traduzida por um tradutor automático