Conteúdo e desenvolvimento de ciência de dados e inteligência artificial na saúde | Content and development of data science & artificial intelligence in health
Today I had the news that my first paper in #AI was published. I want to thank @fabiomoraesmd and @felipebatalini for the opportunity and all the orientation through the writing process. Also, thanks to the great team @nabhenjj and #MariaDacoregio.
1/9 Enhance Radiology AI Model Deployment through Metadata! 😎
Here comes a #RadAI#tweetorial for you, based on the article "Using DICOM Metadata for Radiological Image Series Categorization: a Feasibility Study on Large Clinical Brain MRI Datasets" https://t.co/pdd6pndLhg
Completamos um mês sem acesso aos dados de Covid-19 do MinSaúde. Contudo, o problema é ainda pior. Na primeira pílula desse ano, analisamos outros efeitos do apagão de dados.
https://t.co/qqgbxgeu2X
@Icict_Fiocruz
Teríamos, portanto, o modelo aprendendo sobre a via de um medicamento e, ao entrar em contato com dados de outros, com uma via parecida, o mesmo fará conclusões com as premissas aprendidas no passado.
Já imaginou se ensinássemos o modelo a aprender ao invés de dar a resposta para ele? É isso que pesquisadores do Reino unido chamam de "Transformational Machine Learning". https://t.co/JudjxLQd87
Nessa nova perspectiva, em que o modelo ‘aprende a aprender’, os pesquisadores afirmam que pode superar os métodos atuais de aprendizado de máquina para, por exemplo, design de medicamentos. O que, por sua vez, pode acelerar a busca por novos tratamentos para doenças.
A dica de hoje é o mais novo livro Explainable Artificial Intelligence: An Introduction to Interpretable Machine Learning, o qual abrange análise de dados exploratórios, importância de recursos, algoritmos interpretáveis e técnicas agnósticas de modelo. https://t.co/XkA6XuPg5w
Esse era o raciocínio de Ziad Obermeyer em 2017, em seu artigo de perspectiva na New England chamado “Lost in Thought”, trazendo como saída inevitável, algoritmos de Aprendizado de Máquina. https://t.co/QQRmwRjShy
Massss, cabe destacar que, em ensaios com baixo risco de viés (17/65), a vantagem de DL para os testes estatísticos foi reduzida, enquanto a vantagem de ML para esses testes desapareceu!!! Vale a leitura do artigo.
Será que podemos mensurar o impacto das intervenções com Inteligência Artificial (Machine e Deep Learning) em comparação com aplicação de ferramentas estatísticas na prática clínica? É isso que o artigo de Peng et al vai nos mostrar!
https://t.co/ueEPLEW3lY
O artigo de revisão mostra que as intervenções com DL e ML têm alcançado taxas mais altas de resultados positivos do que testes estatísticos nos ensaios clínicos randomizados!!
Como a IA pode fazer diferença para os pacientes? Promovido pela Bayer o evento, que acontecerá no dia 16 de Dezembro, no LinkedIn Live. Você vai ver as perspectivas do paciente e do profissional de saúde sobre o potencial da IA, com foco na área médica. https://t.co/5WKV0BjQBg