Aplicações emergentes de aprendizado de máquina e IA para modelagem preditiva em medicina de precisão

De acordo com a npj Digital Medicine, o editorial de Zorraquin, J., Kvedar, J.C., Bange, M. et al.[1]"resume 31 artigos mostrando que a medicina de precisão requer integrar..."[1]Os autores escrevem que "a análise de vídeo baseada em laboratório é precisa, mas cara, limitando o acesso a cuidados especializados."[1] Eles acrescentam que novos paradigmas focam em hardware pequeno e móvel adequado para qualquer ambiente, incluindo configurações de poucos recursos.[1]O editorial relata que redes convolucionais gráficas baseadas em smartphone agora avaliam a assimetria da marcha parkinsoniana em casa[1]. Também diz que modelos de código aberto transformam vídeo bruto em métricas interpretáveis de Transtorno do Espectro Autista[1].Os autores também citam aprendizado profundo para detecção de lesão em ultrassom em tempo real, estimativa não invasiva de contagem de sangue a partir de vídeos oculares e previsão de risco cardiovascular a partir de ecocardiografia[1].Em cardiologia, o editorial diz que aprendizado profundo detecta insuficiência cardíaca subclínica a partir de ECGs[1]. Acrescenta que modelos baseados em transformer melhoram ainda mais as previsões de resultados a partir de registros de rotina com viés reduzido.[1]A página da Nature para a coleção de artigos relacionados diz que essas tecnologias "marcam uma mudança em direção a cuidados de saúde personalizados, preditivos e participativos."[2]A mesma página da coleção avisa que "considerações éticas, privacidade de dados e acesso equitativo permanecem como desafios-chave."[2]