Cientistas da Faculdade de Ciências Naturais e Matemática da Universidade de Houston, Faculdade de Engenharia Cullen e o estudante de pós-graduação em física da Universidade de Houston, apresentaram protótipo de transporte de luz à sistema de imagens de fase de máscara única aprimorando imagens profundas não destrutivas à visibilidade de materiais de elementos leves incluindo, tecidos moles, cânceres, tecidos de fundo, plásticos e explosivos, quer dizer, tecnologia de imagens de raios X que proporcionará melhorias no diagnóstico médico, materiais e imagens industriais, segurança de transporte melhorando imagem de contraste de fase de raios X. O PCI, imagem de contraste de fase de raios X, tem potencial de fornecer contraste aprimorado à tecidos moles, utilizando mudanças de fase conforme o raios X passa pelo objeto e, dentre técnicas disponíveis, o diferencial de máscara única se destaca pela simplicidade e eficácia na tradução à aplicações práticas e produção de maior contraste comparado a outros métodos, fazendo de modo simples e eficiente com imagens de dose baixa e disparo único, sendo que a equipe testou o modelo através de simulações rigorosas no sistema de imagem de raio-X de bancada de laboratório desenvolvido internamente com o objetivo de integrar a tecnologia em sistemas portáteis e adaptar configurações de imagem para testá-la em ambientes do mundo real como hospitais, imagens de raios industriais e aeroportos. Na Clínica Mayo pesquisa utiliza IA e aprendizado de máquina, ML, para analisar testes de EEG, eletroencefalograma, de modo mais rápido e preciso, permitindo que neurologistas encontrem sinais precoces de demência entre dados que normalmente não são examinados, com o EEG centenário, no qual eletrodos são presos ao couro cabeludo para monitorar atividade cerebral, frequentemente usado para detectar epilepsia e os resultados interpretados por especialistas visando detectar padrões. A pesquisa publicada na Brain Communications, cientistas do NAIP, Mayo Clinic Neurology AI Program, demonstram como IA pode acelerar a análise e alertar médicos que revisam resultados dos testes sobre padrões anormais sutis à humanos detectarem, demonstrando potencial de auxiliar distinguir entre causas de problemas cognitivos como doença de Alzheimer e demência por corpos de Lewy ao sugerir que os EEGs, mais amplamente disponíveis, menos caros e invasivos que testes para capturar a saúde do cérebro, podem ser ferramenta acessível para auxiliar detectar precocemente problemas cognitivos em pacientes. Os pesquisadores reuniram dados de mais de 11 mil pacientes que receberam EEGs na Mayo Clinic ao longo de uma década e usando aprendizado de máquina e IA à simplificar padrões complexos de ondas cerebrais em características específicas e ensinando o modelo descartar automaticamente certos elementos como dados que deveriam ser ignorados, para se concentrar em padrões característicos de problemas cognitivos como doença de Alzheimer. O coautor do artigo que conduziu a pesquisa com o NAIP enquanto bolsista de neurologia comportamental clínica da Clínica Mayo, esclareceu que "foi notável o modo como a tecnologia ajudou extrair padrões de EEG comparados a medidas tradicionais de demência como testes cognitivos de cabeceira, biomarcadores de fluidos e imagens cerebrais", sendo que, "atualmente, modo comum de quantificar padrões em dados médicos é pela opinião de especialistas, com IA e aprendizado de máquina, não só vemos coisas que o especialista não consegue ver colocadas em número preciso", com a ressalva que usar EEG para detectar problemas cognitivos não necessariamente substituiria outros tipos de exames como ressonância magnética ou tomografia por emissão de pósitrons, PET, mas com o poder da IA, o EEG forneceria ferramenta econômica e acessível ao diagnóstico precoce em comunidades sem acesso fácil a clínicas especializadas ou equipamentos especializados como ambientes rurais.
Aprendizado de máquina é subcampo da IA comumente utilizado em aplicações biomédicas para detectar câncer, classificar e segmentar tumor, algoritmos baseados em aprendizado de máquina, ML, dependiam de dados pois focam em descritores de recursos ineficazes na criação de modelos devido suas falhas, daí, o aprendizado profundo assumiu papel de extração de recursos podendo aumentar eficácia dos modelos. Algoritmos de aprendizado profundo estão eliminando necessidade de especificação de recursos inequívocos ao analisar dados e interpretar recursos de alta dimensão para produzir resultado, enquanto CNNs, Redes Neurais Convolucionais, mostram parte significativa na área de processamento de imagens médicas embora características espaciais tenham sido efetivamente recuperadas usando algoritmos baseados em CNN, tais métodos têm desvantagens sendo uma dessas a incapacidade de capturar com precisão recursos sequenciais, particularmente interdependência de longo prazo. O Aprendizado profundo no diagnóstico de câncer colorretal, CCR, uma das doenças mais mortais tratada por aprendizado profundo através do aumento da precisão e automação do processo de triagem e detecção precoce, cuja capacidade de utilizar redes neurais para analisar imagens médicas e assimilar formas de dados, permite avaliação detalhada e do diagnóstico de câncer e das opções de tratamento do paciente, minimizando resultados falsos positivos e negativos, auxiliando na previsão e avançando o estudo médico, que por sua vez, aprimora o atendimento ao paciente e a prestação de serviços de saúde. No entanto, investigação demonstra que a maioria dos modelos de aprendizado profundo existentes são limitados devido seus enormes tamanhos, vários parâmetros, longo tempo de treinamento e resultados de categorização ruins, já algoritmos de aprendizado profundo mostram-se promissores na precisão e eficácia da detecção de câncer colorretal, CCR, através de análise de imagem histopatológica em que estudos exploraram o potencial desses algoritmos para implementação na prática clínica destacando avanços na classificação de tumores e detecção precoce. Desafios existem, por exemplo, qualidade de dados, interpretabilidade do modelo que será crucial à integração bem-sucedida no atendimento clínico de rotina, sendo que avanços em aprendizado profundo têm potencial de aumentar precisão e eficiência do diagnóstico de câncer colorretal, CCR, com base em imagens histopatológicas, conforme demonstrado que esses algoritmos melhoram taxas de detecção de CCR em porcentagem ou medida quantitativa.
Moral da Nota: emerge na Austrália a milhões de trabalhadores o “direito de se desconectar", onde moradores acolheram a nova legislação que permite "desconectar-se" do trabalho quando estiverem fora do serviço, ignorando ligações, e-mails e mensagens de texto irracionais dos chefes fora do horário comercial podendo se recusar a monitorar, ler ou responder tentativas do empregador de contactá-las fora do horário de trabalho, a menos que a recusa seja considerada "irracional". Os sindicatos acolheram a legislação dizendo que dava aos trabalhadores modo de recuperar algum equilíbrio entre a vida pessoal e profissional, com o presidente do Conselho Australiano de Sindicatos dizendo que trata-se de "um dia histórico ao trabalhador", complementando que, "os sindicatos australianos recuperaram o direito de parar depois do trabalho". Nas ruas de Sydney pareciam acolher bem a mudança, com a trabalhadora sem fins lucrativos falando "em dificuldade à desconectar e, mesmo que não esteja necessariamente conectada, o cérebro está constantemente trabalhando horas extras" e "receber aquela ligação do chefe fora do horário comercial não necessariamente ajuda", já, o Australian Industry Group em comunicado, disse que, "as leis do 'direito de se desconectar' são apressadas, mal pensadas e profundamente confusas" esclarecendo ainda que, "no mínimo, empregadores e empregados agora não terão certeza se podem atender ou fazer uma ligação fora do horário comercial para oferecer um turno extra". A lei assemelha à de países europeus e latino-americanos, com o professor associado da Universidade de Sydney dizendo que pesquisas indicam que o direito de se desconectar beneficia funcionários e, que mais de 70% dos trabalhadores em empresas da UE com política de direito à desconexão consideraram seu impacto positivo, conforme estudo de novembro de 2023 da EuroFound, agência europeia relacionada ao trabalho. A lei australiana, promulgada em fevereiro, entrou em vigor para empresas de médio e grande porte enquanto empresas com menos de 15 funcionários serão cobertas a partir de agosto de 2025, sendo que a Provedora de Justiça do Trabalho esclarece que as pessoas devem adotar "abordagem de bom senso" para aplicar a nova lei, já que segundo a legislação, trabalhadores podem ser obrigados por tribunal a parar de recusar injustificadamente contato fora do horário comercial e os empregadores podem ser obrigados a parar de exigir injustificadamente que os funcionários respondam. O primeiro-ministro australiano elogiou a reforma aprovada pelo governo trabalhista de centro-esquerda, dizendo, "queremos ter certeza que, assim como as pessoas não recebem 24 horas por dia elas não tenham que trabalhar 24 horas por dia", concluindo, "francamente, é uma questão de saúde mental que as pessoas consigam se desconectar do trabalho e se conectar com a família e a vida."