Inteligência Artificial em Medicina Flashcards

1
Q

Como se pode definir AI?

A

AI é um ramo da Ciência da computação centrado no desenvolvimento de métodos computacionais capazes de realizar tarefas que normalmente requerem inteligência humana como o raciocínio, a aprendizagem, a resolução de problemas, a perceção e compreensão da linguagem

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

que palavras estão sempre presentes não definições de AI?

A
  • computer science
  • intelligence
  • computers
  • people/human
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

A industria da saúde está no top 10 industrias que mais estão a adotar a IA?

A

sim, lugar 9

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

quais os dois paises que mais estão a adotar a IA?

A

EUA e china

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

em IA escolher o algoritmo correto é o mais imortante?

A

não, escolher os dados corretos é tão ou mais importante que o algoritmo correto

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quais são os cuidados a ter com os dados antes da implementação do algoritmo?

A
  1. recolha
  2. curadoria de dados (limpeza e organização)
  3. critérios de inclusão/exclusão
  4. processamento dos dados
  5. divisão dos dados (teste, treino, validação)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

se os dados forem bons, o todos os algoritmos têm um bom desempenho?

A

não, continuamos a precisar de um algoritmo robusto para os tornar úteis

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

no que consiste machine learning?

A

implementação dos métodos de computação (algoritmos) que supostam a AI

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

que tipos de algoritmos de machine learning existem?

A
  • classic learning (supervised e unsupervised)
  • reinforcement learning
  • neural networks
  • deep learning
  • anomaly detection
  • ensemble methods
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

o que é semi-supervised learning?

A

o algoritmo ML utiliza métodos de ML supervisionados para rótular os dados

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

o que é reinforcement learning?

A

treinar o algoritmo de ML para realizar ações num ambiente de modo a maximizar as recompensas ao longo do tempo (Ex: tumor, jogo quente-frio)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

o que é deep learning?

A

subconjunto do ML que permite que modelos computacionais compostos por várias camadas de processamento representem dados com vários níveis de abstração através do algoritmo de retropropagação

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

o que são convolutional neural networks (CNN)

A

são uma classe epecializada de algoritmos de DL para processar dados estruturados (Ex: imagens) através da aprendizagem automática de caracteristicas espaciais e hiérarquicas

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

o que são camadas de concolução em CNN?

A

detetar padrões nos dados de entrada

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

o que são camadas de Pooling em CNN?

A

reduzir a dimensão espacial dos dados, preservando informações importantes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

o que são camadas fully connected em CNN?

A

combinar as caracteristicas extraídas pelas camadas anteriores e “tomar decisões finais”

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

quais as tarefas principais de CNN?

A
  • classificação (assigning labels to images)
  • segmentação (assigning objects categoty labels to each pixel)
  • deteção (locating and outlining specific entities)
  • geração (remoção de reído, gerar imagens sintéticas) - GANS (generative adversarial networks)
18
Q

vantagens da pipeline de ML tradicional

A
  • versátil
  • controlo/interpretação clara de todas as fases
  • adaptável a diversos tipos de dados
19
Q

desvantagens da pipeline de ML tradicional

A
  • depende da segmentação e da qualidade das features extraídas
  • time-consuming pipeline
  • time-consuming para médicos (segmentação tem de ser precisa)
  • resultados aceitáveis mas não ótimos (e pouco generalizáveis)
20
Q

vantagens da pipeline de DL

A
  • não é necessária segmentação, nem extração e seleção de features (rápido e automático)
  • consegue captar padrões complexos nas imagens
  • bons resultados e com boa generalização
  • pipeline simples, não exaustiva
21
Q

desvantagens da pipeline de DL

A
  • precisa de uma grande conjunto de dados
  • necessários mais recursos e maior tempo computacional
  • era visto como “black box” (ultrapassado com as tecnicas de heat maps)
22
Q

qual a área da medicina com maior aplicação e absorção real de ferramentas de AI? e porquê?

A

Imagiologia, com a evolução da área os dados ficam mais complexos e há um maior tempo de análise, que pode ser diminuído com a AI

Ex: classificar quanto à presença ou ausência de cancro da mama
(complementar ao radiologista)

23
Q

o que é sensibilidade de um algoritmo?

A

probabilidade de um teste ser positivo se o indivíduo tiver a doença
(recall)

24
Q

o que é especificidade do algoritmo?

A

probabilidade de um teste ser negativo se o individuo não tiver a doença

25
Q

Os sistemas automáticos aumentam significativamente a necessidade de processamento manual de amostras, simplificando assim o processo de analise e otimizando o tempo.
Verdade ou falso?

A

Falso
Os sistemas automáticos diminuem significativamente a necessidade de processamento manual de amostras, simplificando assim o processo de analise e otimizando o tempo

26
Q

como AI reduz erros que podem ocorrer na fase de pré-teste de análises clinicas?

A

analisando automaticamente características das amostras e sinalizando problemas, garantindo que apenas amostra adequadas avançam no processo
Ex: hemólise

27
Q

a tecnologia ML pode ser integrada na microbiologia clinica? como?

A

sim, para analisar imagens e detetar agentes patogénicos, conduzindo a uma maior eficiencia do trabalho e precisão da deteção

28
Q

Exemplos de funções em que a AI está envolvida nas análises clínicas laboratoriais

A
  • comunicação dos resultados, através da geração automática de relatórios
  • optimização dos processos de armazenamento e recuperação de amostras (sistemas de inventário)
  • controlo de qualidade, analisando tendências nos resultados dos testes para identificar anomalias ou inconsistências
29
Q

como a AI pode ser útil na área de Genómica?

A
  • personalização de tratamentos com base no perfil genético individual
  • identificação precoce de predisposições genéticas a doenças
  • aceleração na descoberta de novos fármacos
30
Q

quais os principais beneficios da incorporação do AI no desenvolvimento de medicamentos?

A
  • redução de custos e prazos de desenvolvimento de medicamentos
  • melhoria das taxas de sucesso através de decisões baseadas em dados
  • estratégias de tratamento personalizadas que conduzem a melhores resultados para os doentes
31
Q

cuidados centrados no paciente com base em AI

A
  • assistência de saúde virtual (chatbots)
  • apoio à saúde mental (plataformas especializadas)
  • melhoria da educação dos pacientes (dá infos sobre as condições de saúde)
32
Q

Quais as fragilidades/perigos da AI na Medicina?

A
  1. Dependência excessiva que pode levar à perda de indicações clinicas (ignoram-se pormenores subtis)
  2. Enviesamento dos algoritmos, desigualdades, desigualdades nos resultados e falta de generalização (dados de treino não representativos)
  3. AI pode ter um menos desempenho no mundo real
  4. Preocupações éticas sobre autonomia e responsabilidade (tomada de decisão)
33
Q

O que é necessário para a AI aumentar o seu impacto na medicina no mundo real?

A
  • orientações amplamente aceites
  • amplo consenso que envolva peritos internacionais e interdisciplinares
34
Q

Qual é a primeira framework de consenso internacional para orientar o desenvolvimento e a implementação de AI fiável em medicina?

A

FUTURE - AI

35
Q

que fases da criação de um AI abrance a framework FUTURE-AI?

A

abrange todo o ciclo de vida da AI:
- conceção
- desenvolvimento
- validação
- regulamentação
- implementação
- monitorização

36
Q

a FUTURE- AI tem peritos interdisciplinares de todos os continentes?

A

sim
(cientistas de AI, investigadores clinicos, especialistas em ética biomédica e cientistas sociais)

37
Q

a framework FUTURE-AI foi inspirada em que princípios de gestão de dados?

A

principios FAIR

38
Q

Princípios FAIR, o que significa a sigla?

A

Findable (facilmente identificados)
Accessible (acessíveis)
Interoperable (formatos de fácil interoperação)
Reusable (reutilizáveis)

39
Q

A siga FUTURE- AI, define também os seus princípios orientadores, quais são? (o que significa a sigla?)

A

Fair (equidade: o AI deve manter o mesmo desempenho entre todos os indivíduos)
Univelsal (AI deve ser generalizável fora do ambiente controlado onde foi construído)
Traceable (Rastreabilidade: AI deve ter a tua trajetoria completa documentada e monitorizada, desde o desenvolvimento à utilização)
Usable (os utilizadores finais devem ser capazes de usar a AI de forma eficiente e segura no mundo real)
Robust (AI deve manter o desempenho e exatidão sob variações inesperadas)
Explainable (AI deve fornecer infos clinicamente relevantes sobre a lógica das suas decisões)

40
Q

Desafios para a IA em medicina

A
  • Qualidade e disponibilidade dos dados: é preciso dados de alta qualidade para treinar os modelos, mas em medicina uma boa representatividade é dificil
  • Interpretabilidade e Explicabilidade: tem que se evitar algoritmos em “caixas negras” para ser possível explicar as decisões
  • Robustez e generalização: os modelos são treinados em ambientes de dados especificos e depois podem ter dificuldade no mundo real
  • Integração com os médicos tradicionais: integrar AI em metodologias já existentes de forma eficaz (colaboração de peritos interdisciplinares)
  • Desafios regulamentares e éticos: garantir conformidade com FDA, considerações éticas (preconceito, justiça, privacidade)