Receber ajuda por aplicativo para encontrar um endereço ou se deparar com uma lista personalizada de livros em seu e-mail se tornou algo tão corriqueiro, que nem pensamos mais no trabalho de inteligência artificial envolvido. É possível que, no futuro, tal naturalidade faça parte da medicina também.
Imagine uma marca de 95% de acertos em diagnósticos de câncer de pele. Um índice a ser comemorado por todos os estudiosos do tema e pela imprensa especializada, certo? Esse é só o início dos efeitos da implementação da inteligência artificial na saúde.
Pensando nisso, neste post, vamos explicar como a tecnologia está se aperfeiçoando e auxiliando muitos profissionais da área. Acompanhe!
Cirurgia assistida por robôs
Os robôs — com braços articulados capazes de realizar movimentos mais precisos que a mão humana — são controlados por um cirurgião, geralmente por meio de uma tela de computador. Eles também são habilitados para transmitir imagens em alta resolução para os médicos, facilitando o procedimento.
Enfermeiras assistentes virtuais
A principal vantagem da versão digital das enfermeiras é estar disponível 24 horas por dia, sete dias por semana. Dotadas de ampla memória virtual, monitoram pacientes e auxiliam os profissionais do hospital a prevenir readmissões desnecessárias.
Como a rotina hospitalar pode ser bastante corrida e estressante, essas assistentes digitais funcionam também como elo direto entre pacientes e os diversos tipos de profissionais da saúde.
Auxílio durante o diagnóstico
Parece ficção científica: uma empresa dinamarquesa de tecnologia concebeu uma inteligência artificial que consegue identificar a ocorrência de ataques do coração. Utilizando-se de algoritmos complexos da versátil tecnologia conhecida como deep learning, a aplicação transcreve e analisa palavras para identificar pistas.
Dotado de um software que analisa o tom de voz e os sintomas relatados, o robô alerta em tempo real o socorrista, que pode confirmar o diagnóstico e socorrer o paciente a tempo.
Auxílio em tarefas administrativas
Quem nunca quis inventar um robô para lidar com a papelada e a burocracia do cotidiano? A inteligência artificial já ajuda a eliminar o trabalho repetitivo na saúde.
Tecnologias que transcrevem ordens repassadas em voz alta e auxiliam na análise de milhares de registros médicos, utilizando processamento da linguagem natural, já estão em pleno funcionamento.
Análise de imagens
A análise de imagens é outra área que demanda bastante trabalho dos médicos e que tem melhorado muito com a ajuda da inteligência artificial.
Equipamentos médicos com programas destinados à análise de imagens em Raio X e outros exames de imagem já são vendidos, e rotinas como o mapeamento de retinas em busca de degenerações tornou-se um processo otimizado.
Com a constante evolução tecnológica, a tendência é que essas aplicações se tornem mais comuns. E o melhor: mais baratas e acessíveis para os países economicamente emergentes.
É importante lembrar que um bom uso da inteligência artificial na saúde pode se expandir facilmente para outras áreas de vital importância, otimizando o trabalho e possibilitando às pessoas mais tempo para o convívio com a família e para o lazer.
Gostou de saber sobre as aplicações da inteligência artificial na saúde? Então, compartilhe este post nas suas redes sociais e ajude seus amigos a também dominarem o assunto!
Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.
Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.
Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.
Materia muito interessante
Obrigada pelo artigo 🙂 Acho que eu tenho uma equipe que pode obter cada sucesso 🙂 Mas sem kanbantool.com, nao conseguimos arranjar e controlar todas tarefas. Ferramentas digitais podem ajudar bastante – tal como manager ou teamledaer, mas mais suave 🙂 Eu planejo o dia do trabalho com kanban e todas tarefas sao cumpridas. Eu sei que nao cada um gosta trabalhar assim, mas comigo funciona 🙂
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?