Espero que esta mensagem o encontre bem. O entusiasmo pelas ferramentas de inteligência artificial (IA) está em alta nos campi acadêmicos de todo o país. Os recentes avanços nas tecnologias de IA tornaram a acessibilidade a estas ferramentas mais fácil do que nunca, suscitando preocupações para alguns e entusiasmo para outros.

Estamos entusiasmados em lançar uma série de três partes, “A IA está aqui. O que agora?" Esta série tem como objetivo desmistificar o papel da Inteligência Artificial na pesquisa e na saúde. Esta primeira parte focará nos benefícios que a IA traz para o nosso campo, com ênfase especial na IA Generativa.

Uma breve história da IA 

Embora o termo “inteligência artificial” só tenha sido cunhado em 1956, o conceito de “máquinas pensantes” existe desde o ENIGMA o código foi quebrado em 1941. Avançando para 2014, nasceu um novo amanhecer da IA: IA generativa. Esta tecnologia pode gerar texto, imagens e outras mídias em resposta a solicitações. A nova geração de ofertas de IA generativa – ChatGPT, Scribe, Jasper, DALL-E 2 e Bard – utiliza processamento de linguagem natural para gerar texto coerente e contextualmente relevante, criar imagens digitais e até mesmo desenvolver código de programação de computador.

Por que o hype agora? 

A IA generativa existe desde 2014, mas recentemente ganhou atenção significativa. Por que? Porque se tornou mais acessível, fácil de usar e econômico. A pessoa média agora pode interagir com a IA de maneira conversacional e testemunhar respostas semelhantes às humanas, graças aos avanços e à disponibilidade de aplicativos gratuitos de IA generativa. Esses artigos de Reuters e a McKinsey & Company explique como o ChatGPT e outros modelos de IA generativa mudaram a forma como vemos a IA.

Benefícios da IA ​​em pesquisa e saúde 

Assistência à pesquisa: A IA generativa, com a sua capacidade de processar rapidamente grandes quantidades de dados, melhora significativamente os esforços de investigação. Ajuda na recolha e análise de dados, revelando potencialmente tendências, correlações ou insights atuais que, de outra forma, poderiam ter sido ignorados pelos métodos de investigação tradicionais. Isto pode levar a descobertas mais abrangentes e precisas para acelerar o ritmo das descobertas científicas.

Organização da Informação: No domínio do gerenciamento de dados, a IA generativa desempenha um papel fundamental. Ele pode organizar e categorizar com eficiência vastos conjuntos de dados, simplificando os processos de recuperação e gerenciamento de dados. Ao automatizar esta tarefa, investigadores e profissionais de saúde podem concentrar-se mais na análise e interpretação dos dados.

Visualização de dados: As ferramentas generativas de IA podem transformar dados complexos em representações visualmente intuitivas, como diagramas, gráficos interativos e infográficos. Essas visualizações não apenas simplificam a compreensão dos dados, mas também facilitam a comunicação eficaz dos resultados e insights da pesquisa dentro de equipes multidisciplinares. Eles preenchem a lacuna entre os analistas de dados e as partes interessadas não técnicas, garantindo uma compreensão mais holística da importância dos dados.

Diagnósticos aprimorados: Uma das aplicações mais transformadoras da IA ​​na saúde é o seu papel no diagnóstico. Os algoritmos de IA podem analisar imagens médicas, como raios X, ressonâncias magnéticas e tomografias computadorizadas, bem como lâminas patológicas e sequências genéticas, com notável precisão. Isto tem o potencial de agilizar o diagnóstico e reduzir a probabilidade de erros, melhorando os resultados dos pacientes.

Análise de dados e insights: A IA é excelente no tratamento e análise de conjuntos de dados grandes e complexos. Ele pode analisar grandes volumes de dados para identificar padrões, tendências ou anomalias intrincadas que podem ser imperceptíveis para pesquisadores humanos. Esses insights são inestimáveis ​​tanto para os esforços de pesquisa quanto para o desenvolvimento de planos de tratamento personalizados na área da saúde. A análise baseada em IA permite a tomada de decisões baseada em dados, o que pode levar a intervenções mais eficazes e direcionadas. 

Quer saber mais sobre como a IA generativa está sendo desenvolvida e usada?  

Confira esses artigos de IBM, Ciência de Dados UA e a tecnologia de saúde sobre os benefícios da IA ​​nos cuidados de saúde e na investigação.

Desde acelerar o progresso da investigação até melhorar a gestão de dados, simplificar a visualização de dados e revolucionar o diagnóstico e a análise de dados, a IA é uma ferramenta poderosa. Ele tem o potencial de revolucionar os campos da saúde. Compreender os benefícios da IA, especialmente da IA ​​generativa, pode ajudar-nos a aproveitar o seu potencial para melhorar os resultados dos pacientes e agilizar os processos de investigação. Fique atento para Parte 2 desta série, onde nos aprofundaremos nos riscos e nas considerações éticas do uso de IA nas áreas de saúde e pesquisa.

 Obrigado por se juntar a nós nesta exploração do potencial da IA ​​Generativa.

Bem-vindo à Parte 2 da nossa série, "A IA está aqui. E agora?" Na primeira parte, exploramos os benefícios interessantes da IA, com foco na IA generativa. Na Parte 2, vamos explorar o complexo terreno da ética da IA ​​e as potenciais armadilhas à medida que continuamos a nossa viagem pelo mundo da inteligência artificial nos cuidados de saúde e na investigação. 

 IA: o lado negro 

Para aproveitar o potencial da IA ​​para melhorar os resultados dos pacientes e agilizar os processos de investigação, é crucial compreender os desafios e dilemas éticos que acompanham esta poderosa tecnologia. Abaixo, compilamos alguns dos principais desafios da IA ​​generativa na saúde e na pesquisa. 

Desafios e riscos em IA 

Pureza de dados: Um dos desafios mais significativos da IA ​​reside na compreensão limitada que as organizações possuem em relação aos dados que sustentam os sistemas de IA, incluindo a falta de conhecimento sobre como a IA é treinada e o seu comportamento em vários contextos. Esta lacuna de conhecimento representa um risco substancial ao minar a confiança e causar incerteza. Além disso, cria dificuldades na validação das respostas geradas pela IA.  

A questão da pureza dos dados torna-se ainda mais pronunciada quando se consideram as alucinações de IA, onde grandes modelos de linguagem como GPT-4 ou Google PaLM geram com confiança informação falsa. Ao navegar por estas complexidades, os utilizadores são confrontados com a tarefa de distinguir entre conteúdo preciso e fabricado, sublinhando a importância primordial da pureza dos dados no domínio das aplicações de IA. Confira este artigo para obter mais informações sobre Alucinações de IA.  

Preocupações éticas: Os algoritmos de IA, especialmente os modelos de aprendizado de máquina, podem herdar preconceitos presentes nos dados nos quais são treinados. Esse preconceito pode levar a decisões injustas ou discriminatórias. Por exemplo, nos cuidados de saúde, algoritmos tendenciosos podem recomendar tratamentos que favorecem um grupo demográfico em detrimento de outro, o que resulta em resultados de saúde desiguais. Considerações éticas são essenciais para garantir que a IA seja usada de maneira justa e justa. 

Preocupações com a privacidade de dados: No domínio da saúde, a proteção dos dados dos pacientes e a conformidade com a HIPAA são fundamentais. A IA generativa é treinada usando conjuntos de dados sintéticos; em outras palavras, eles são como uma criança que ouve cada palavra sua e depois regurgita essas palavras à vontade. Lembre-se de que a IA pegará qualquer informação que você fornecer e potencialmente a utilizará ao responder a de outra organização Solicitações de IA. Informações confidenciais (PHI, PII) ou restritas (informações não públicas, como pesquisas ou dados financeiros) devem nunca ser carregado ou usado em qualquer aplicativo de IA. Insira apenas dados acessíveis ao público.  

Para obter mais informações sobre a interseção entre privacidade em cuidados de saúde e inteligência artificial, explore artigos de A revisão regulatória e a Segurança de informações bancárias. A proteção dos dados dos pacientes e o cumprimento das normas regulamentares continuam a ser uma prioridade máxima à medida que navegamos no cenário em evolução da IA ​​nos cuidados de saúde e na investigação. 

Vulnerabilidades de segurança: A IA não está imune à exploração por parte de atores ameaçadores. Os cibercriminosos já estão aproveitando a IA para criar ataques de phishing e mídias sintéticas, como clones de vídeo e voz alterados digitalmente por enganar as vítimas visadas. Até o ChatGPT foi utilizado no design de malwares e a vírus que rouba informações' que podem contornar os controles de segurança modernos. Esta tendência alarmante destaca os esforços crescentes dos cibercriminosos para transformar ferramentas de IA em armas, tornando as discussões em plataformas como o ChatGPT um dos tópicos mais quentes da dark web. 

Que saber mais sobre os riscos da IA?  

Confira esses artigos de Construídas em e a Forbes.  

Ao navegar no “lado negro” da IA, é crucial que nos mantenhamos informados, implementemos medidas robustas de cibersegurança e priorizemos considerações éticas. O desenvolvimento e uso responsáveis ​​da IA ​​podem mitigar esses desafios e garantir que os benefícios da IA ​​sejam realizados, ao mesmo tempo que minimiza os riscos associados. Fique ligado na Parte 3 desta série, onde discutiremos o que fazer e o que não fazer com a IA e as etapas que você precisa seguir para usar a IA em seu trabalho.  

Obrigado por se juntar a nós nesta exploração da IA ​​generativa em saúde e pesquisa

Bem-vindo de volta à nossa série de três partes sobre o papel da Inteligência Artificial (IA) na pesquisa e na saúde. Parte 1 da nossa série, "A IA está aqui. E agora?", revelou o notável potencial da Inteligência Artificial na saúde e na pesquisa. Exploramos o início da IA ​​generativa, sua evolução e sua acessibilidade aos indivíduos hoje. Os benefícios da IA ​​na investigação e na saúde foram elucidados, incluindo o seu papel na análise de dados, organização da informação, visualização de dados, diagnóstico e análise de dados.

Parte 2 investigou os riscos e considerações éticas associadas à IA em nosso campo. Discutimos desafios como a pureza dos dados, preocupações éticas decorrentes de algoritmos tendenciosos, conformidade com a privacidade dos dados e vulnerabilidades de segurança. Devemos enfrentar estes desafios para garantir o desenvolvimento e a utilização responsáveis ​​da IA.

Agora, ao embarcarmos Parte 3 de nossa série, mudamos nosso foco para orientação prática. Neste segmento, discutiremos o que fazer e o que não fazer com a IA e delinearemos as etapas essenciais que você precisa seguir para usar a IA em seu trabalho.

O que fazer e o que não fazer na IA em saúde e pesquisa

À medida que a IA continua a moldar o panorama dos cuidados de saúde e da investigação, é fundamental compreender como aproveitar o seu poder de forma responsável e eficaz.

NÃO ignore a responsabilidade ética: As considerações éticas nos dados de treino de IA são cruciais, uma vez que o preconceito pode levar a resultados desiguais. É essencial dar prioridade à imparcialidade e à justiça na utilização da IA ​​para evitar negligenciar questões éticas, especialmente em domínios como os cuidados de saúde.

NÃO se apresse em usar IA sem considerar cuidadosamente: Embora as capacidades de análise de dados da IA ​​possam revelar padrões e tendências ocultos, beneficiando tanto a investigação como os cuidados de saúde, é importante que os utilizadores considerem cuidadosamente como e quando utilizar a IA de forma segura.

NÃO insira PII ou PHI: A privacidade pessoal e do paciente deve continuar sendo nossa prioridade número um. Lembre-se de que a IA Generativa pegará todas as informações que você fornecer e potencialmente usará essas informações ao responder a outras organizações. Por esta razão, informações confidenciais ou restritas devem nunca ser carregado para uma plataforma de IA generativa.

NÃO abandone o elemento humano: Embora a IA possa ajudar nas tarefas, não permita que ela pense em seu nome. A IA é desprovida de emoção ou pensamento humano. Lembre-se da importância da verificação dos fatos e do pensamento crítico.

Priorize a segurança cibernética: Enfatize a segurança cibernética para proteger contra ameaças relacionadas à IA. Os cibercriminosos usam IA para ataques avançados, como deepfakes e malware polimórfico, tornando a vigilância crucial.

Aborde a pureza dos dados: Todos devem compreender a base de dados da IA ​​e os possíveis preconceitos. Isto minimiza problemas de confiança e ajuda na verificação das respostas geradas pela IA.

Garanta a privacidade dos dados na área da saúde: Cumpra a HIPAA para privacidade do paciente. Use conjuntos de dados sintéticos e de desidentificação para proteger as informações dos pacientes enquanto utiliza IA na área da saúde.

Tenha cuidado: A IA está tornando muitos aspectos do nosso trabalho mais rápidos, o que pode tornar mais fácil cometer erros e fazer coisas ruins. Seja conciso e cuidadoso ao utilizar ferramentas de IA no local de trabalho.

Como posso começar a usar a IA generativa na minha área?

Agora que você entende os benefícios e desafios da IA ​​generativa como ChatGPT ou Bard, você deve estar se perguntando como sua equipe pode aproveitar essa tecnologia poderosa.

Boas notícias! Você pode testar a IA generativa usando Copilot, nosso recurso de bate-papo protegido internamente no Bing! Comece a conversar com alguns passos simples!

1. Faça login na rede UNM Health and Health Sciences.
2. Navegue até o Microsoft Bing.       

1. Clique em Bate-papo no canto superior esquerdo.
2. Começar a conversar!     

Se você optar por utilizar ferramentas de IA para trabalhos diferentes do bate-papo protegido internamente descrito acima, há algumas coisas que você precisará fazer.

• Nosso Escritório de Segurança da Informação e equipes de segurança cibernética rastrearão solicitações de IA generativa por meio do Learning Central.
• Qualquer pessoa que pretenda usar IA que não seja o Copilot deve concluir o módulo de aprendizagem de IA Generativa.
• Para concluir este módulo, faça login no Learning Central e pesquise por CLT 303 IA generativa em pesquisa e saúde.

 Quer saber mais sobre IA?

Nossa série de três partes sobre IA generativa apenas arranhou a superfície! Há muito mais que você pode aprender sobre como a IA generativa está transformando a pesquisa, a saúde e muito mais! Confira este artigo de HIMSS (Sociedade de Sistemas de Informação e Gestão em Saúde)  sobre o poder e o potencial de grandes modelos de linguagem na área da saúde.

 Quer testar a IA, mas não sabe por onde começar?

Confira esta Guia do iniciante sobre os fundamentos da escrita de um prompt para obter as melhores respostas. Quer se aprofundar? Obtenha informações mais detalhadas sobre como escrever prompts eficazes com este blog em dados ph.

 Conclusão

Nossa série explorou IA na saúde e na pesquisa. Começamos descobrindo o potencial e as considerações éticas da IA ​​generativa. Agora, na parte final, oferecemos orientações práticas: priorizar a segurança cibernética, compreender a pureza dos dados e garantir a privacidade dos dados.

Obrigado por se juntar a nós nesta exploração do potencial, dos desafios e das aplicações práticas da IA. Esperamos ver o impacto positivo que a IA continuará a ter nos cuidados de saúde e na investigação à medida que avançamos juntos.