Gerenciamento eletrônico

Conselhos de saúde do NHS no Norte da Escócia lançam plataforma conjunta de gestão electrônica de medicamentos que melhora a tomada de decisões clínicas e reduz risco de erros de prescrição, marcando a 1ª implantação multilocal dos sistemas de controle de estoque de farmácias, PSC, e de administração eletrônica de medicamentos de prescrição hospitalar, HEPMA.  Os conselhos de NHS Grampian, Western Isles, Highland, Tayside, Orkney e Shetland estão substituindo prescrições em papel, prontuários de medicamentos e sistemas de medicação existentes pela plataforma eletrônica de gerenciamento de medicamentos em que funcionários de mais de 66 hospitais, que cuidam de 5.163 leitos, poderão prescrever e gerenciar medicamentos digitalmente no sistema em nuvem e, como resultado, a legibilidade e precisão das prescrições serão melhoradas, o tempo gasto na transcrição será reduzido e mais de 25 mil funcionários acessarão remotamente informações sobre medicamentos dos pacientes. O programa foi iniciado em março de 2020, liderado por equipe regional central, pessoal clínico, farmacêutico, financeiro e digital da região e, em outubro de 2021, o Sistema C substituiu sistemas PSC existentes pelo único PSC integrado, dando aos prescritores catálogo de medicamentos mais clinicamente apropriado, em 2022, o Sistema C colaborou com 6 equipes de saúde para conceber fluxos de trabalho, configurar sistema e realizar testes com utilizadores e entre Fevereiro e Novembro de 2023, foi escalonado nos conselhos de saúde, sendo que o sistema hospitalar de administração eletrônica de medicamentos prescritos está implementado em 64% do Norte da Escócia prevendo-se que a região obtenha acesso até outubro de 2024.

Nesta idéia disruptiva, IA identifica novo tipo de câncer de próstata através de análise do genoma, Estrutura molecular do DNA, emergindo 2 tipos genéticos distintos de câncer de próstata, conforme pesquisa que usou IA em que pesquisadores abrem portas à terapias personalizadas liderado por cientistas da Universidade de Oxford e Universidade de Manchester, no Reino Unido, publicado na revista Cell Genomics. A American Câncer Society espera 35 mil mortes por cancer de prostata nos EUA este ano, cujos tratamentos funcionam bem em alguns pacientes e não para outros e identificar quem se beneficiará dos tratamentos contra o câncer é o foco do momento com oncologistas buscando evitar tratamentos que não funcionam e poupá-los de interrupções, efeitos colaterais tóxicos e encargos financeiros. Usando técnica de IA chamada redes neurais em amostras de câncer de próstata de 159 pacientes, a pesquisa descobriu que havia 2 maneiras distintas pelas quais o câncer de próstata poderia evoluir, denominando “evotipos” e planejam análises adicionais para identificá-los em diferentes tipos de câncer, a descoberta, associada a informações sobre cada indivíduo, como o estágio no momento do diagnóstico, levaria a abordagens de medicina personalizada mais específicas significando que  pacientes com câncer recebem mais tratamentos que provavelmente funcionarão e menos tratamentos que não funcionam, sendo que a evolução é processo complexo envolvendo alterações genéticas nas células normais para se tornarem cancerosas, enquanto outras precisam apenas um pequeno número, daí, alterações podendo ser mutações onde há algo errado com o código genético normal, como lacunas, pedaços incorretos ou mesmo pedaços de DNA colados onde não deveriam estar, além do fato que outras alterações serem epigenéticas onde o código genético permanece intacto e como deveria ser, mas a informação genética é “lida” de modo aberrante. Os investigadores trabalharam juntos como parte de consórcio internacional, denominado The Pan Prostate Cancer Group, criado por cientistas do Instituto de Investigação do Cancer, ICR, e da Universidade de East Anglia para analisar dados genéticos de amostras de câncer da próstata em 9 países, fundamentalmente, a colaboração da equipe com o Cancer Research UK, CRUK, visa desenvolver teste genético que combinado com o estadiamento e classificação convencionais,  forneça prognóstico preciso à cada paciente, permitindo decisões de tratamento personalizadas. Os pesquisadores usaram IA para estudar alterações no DNA de amostras de câncer de próstata, sequenciamento completo do genoma, de 159 pacientes e identificaram 2 grupos distintos de câncer pela técnica de IA chamada redes neurais e esses 2 grupos foram confirmados pelo uso de outras 2 abordagens matemáticas aplicadas a diferentes aspectos dos dados, sendo que a descoberta foi validada em outros conjuntos de dados independentes no Canadá e Austrália. Integraram as informações para gerar uma árvore evolutiva mostrando como os 2 subtipos de câncer de próstata se desenvolvem, convergindo em 2 tipos distintos de doenças denominados “evotipos”.

Moral da Nota: cientistas das Universidades de Manchester e Oxford desenvolveram estrutura IA que identifica e rastreia variantes novas de COVID-19 e ajuda com outras infecções no futuro, combinando técnicas de redução de dimensão e algoritmo de agrupamento explicável chamado CLASSIX, desenvolvido por matemáticos da Universidade de Manchester que permite rápida identificação de grupos de genomas virais que representam risco no futuro devido a grandes volumes de dados. Publicado na revista PNAS, o estudo apoia métodos tradicionais de rastreamento da evolução viral, como análise filogenética, que exige extensa curadoria manual e, tal como outros vírus ARN, o COVID-19 tem elevada taxa de mutação e curto período de tempo entre gerações que significa evolução rápida, sendo que a identificação de novas estirpes serão problemáticas no futuro necessitando esforço considerável. O método descrito permite automação de tarefas considerando que pesquisadores processaram 5,7 milhões de sequências de alta cobertura em um ou dois dias em um laptop moderno padrão, impossível com os métodos existentes, colocando a identificação de estirpes patogênicas preocupantes nas mãos de mais investigadores devido redução das necessidades de recursos. O método proposto funciona dividindo sequências genéticas do vírus COVID-19 em “palavras” menores, chamadas 3-mers, representadas como números, contando-as, em seguida, agrupa sequências semelhantes com base em padrões de palavras usando técnicas de aprendizado de máquina.

Fatores de risco

Os cientistas pesquisando modo de prever precocemente o início da doença de Alzheimer com apoio IA, encontram fatores de risco precoces na prevenção da Doença identificando idade, histórico familiar e genética bem como alguns específicos do sexo, incluindo disfunção erétil e aumento da próstata nos homens ao lado de osteoporose nas mulheres. Existem 69 milhões de pessoas com Alzheimer prodrômica, isto é, quando apresenta sinais de declínio cognitivo leve enquanto outros 315 milhões apresentam doença pré-clínica em que os sintomas não se desenvolveram, mas as alterações cerebrais sinalizam potencial ao desenvolvimento. Estudos anteriores identificam fatores de risco iniciais de Alzheimer com cientistas  da Universidade da Califórnia através da IA  identificaram fatores de risco precoces até 7 anos antes dos sintomas ocorrerem e descobriram que alguns eram específicos do gênero. As descobertas publicadas na Nature Aging envolveram Alice S. Tang, MD/Ph.D. do Laboratório Sirota, parte do Departamento de Pediatria e do Instituto Bakar de Ciências da Saúde Computacional da Universidade da Califórnia e principal autor deste estudo, avaliando que detectar fatores de risco precoce à doença de Alzheimer é importante em se tratando de doença neurodegenerativa que evolui com sintomas e progressão devastadores, difíceis de “tratar” no sentido de reversão.

A utilização IA envolveu banco de dados clínico de mais de 5 milhões de pessoas em busca de condições concomitantes em pacientes com diagnostico de doença de Alzheimer esclarecendo que, “IA é termo amplo que se refere à ciência das máquinas serem capazes de pensar como humanos e tomar decisões”, neste caso, explica a pesquisadora, que “aplica um tipo de IA chamado aprendizado de máquina onde computadores podem aprender com os dados e, em geral, serem capazes de contabilizar grandes quantidades de dados heterogêneos, registros clínicos, que podem se correlacionar”. Acrescenta que “a utilização IA pode dar conta dessa complexidade optando por buscar interpretabilidade para que o modelo não seja modelo IA 'caixa preta', mas que possa dizer quais são fatores de risco iniciais na decisão da IA fazendo com que um médico que observe os resultados possa optar por acreditar ou não na IA, dependendo desses fatores”. Utilizar IA e base de dados clínica, levou investigadores identificar fatores de risco precoces à doença tanto em homens como mulheres, incluindo hipertensão, colesterol elevado e deficiência de vitamina D e, a partir desta informação, cientistas descobriram que poderiam identificar pessoas que desenvolveriam a doença de Alzheimer até 7 anos antes com precisão de 72%. “A margem de erro do modelo pode ser vista como boa, porque, como modelo de previsão inicial, significa que há margem para alterarmos o risco, no entanto, esperamos previsibilidade devido a influência de riscos conhecidos, por exemplo, idade e condições relacionadas não tão modificáveis”. Pesquisa publicada em 2015 encontrou risco aumentado à doença de Alzheimer quanto à demência não-Alzheimer em pessoas com disfunção eréti,l enquanto estudo publicado 2021 descobriu que homens com próstata aumentada corriam persistentemente risco maior de desenvolver doença de Alzheimer e demência por todas as causas, outra pesquisa publicada em dezembro de 2021 relatou que a osteoporose pode aumentar a probabilidade de desenvolver doença de Alzheimer ou doença de Parkinson em adultos com 40 anos de idade ou mais. A autora principal esclarece que “em última análise, no futuro, imaginamos que um modelo personalizado na clínica será capaz não apenas de prever o risco, mas de listar fatores de risco à cada paciente para aconselhamento e tratamentos mais direcionados”, daí, “o que há de único neste estudo é que ilustra a conexão gene-ambiente, sendo que o status genético de uma pessoa torna-se muito mais clinicamente significativo no contexto de 2 fatores de risco claros, ou, o colesterol alto e a osteoporose, especialmente em mulheres”. O Dr. David Merrill, psiquiatra geriátrico e diretor do Pacific Brain Health Center do Pacific Neuroscience Institute em Santa Monica, CA, comentou que é ótimo ver dados úteis provenientes do uso precoce da IA à medida que é aplicada para identificar pessoas em risco de contrair doença de Alzheimer, mais cedo ou mais tarde, abordou a importância de identificar precocemente fatores de risco que podem ser potencialmente modificados como colesterol elevado e saúde óssea, concluindo que “é importante identificarmos riscos modificáveis em mulheres vulneráveis ao desenvolvimento de Alzheimer com o envelhecimento”. Dados dos Centros de Controle e Prevenção de Doenças, CDC, indicam que nos EUA, em 2020, 5,8 milhões de pessoas tinham doença de Alzheimer enquanto pesquisa conduzida pela Alzheimer’s Society em 2019 indica que mais de 850 mil pessoas viviam com demência no Reino Unido naquele ano e, globalmente, 55 milhões de pessoas vivem com demência, de acordo com a OMS.

Moral da Nota: a Health Care Without Harm trabalha para lançar movimento global no setor da saúde a zero emissões, já que poderemos ver mais de 9 milhões de mortes adicionais relacionadas ao clima anualmente até o final do século, estimativa que pode ser conservadora. Em fases iniciais de um movimento massivo à ação climática nos cuidados de saúde, onda que a Health Care Without Harm, HCWH, ajuda construir, sendo que a HCWH é ONG internacional que trabalha desde 1996 para reduzir a pegada ambiental do setor da saúde e mobilizá-lo como defensor da saúde e justiça ambiental inserida na  descoberta, em 2019, que, se os cuidados de saúde fossem um país seria o 5º maior emissor de gases efeito estufa do planeta, sendo o setor da saúde, paradoxalmente, contribuinte à problemas de saúde relacionados ao clima e parte da solução.  A crise climática é crise de saúde global em expansão e rápida evolução que ameaça fazer com que a pandemia recente seja insignificante em comparação as tempestades violentas, ondas de calor, inundações e secas que caracterizam alterações climáticas com grandes impactos na saúde humana.  O estresse térmico agrava doenças cardiopulmonares e morte, aumenta resultados adversos da gravidez e parto enquanto incêndios florestais relacionados ao clima poluem o ar causando doenças respiratórias, ao passo que, infra-estruturas de saúde foram destruídas no mundo devido fenômenos meteorológicos extremos, prejudicando a prestação de cuidados ao lado da ansiedade climática e desafios relacionados com saúde mental que aumentam em conjunto  doenças transmitidas por vetores como malária, Lyme e chikungunya, em áreas onde antes não existiam ou estavam ausentes. Desmatamento generalizado acelera propagação de doenças zoonóticas e aumenta possibilidades de futuras pandemias enquanto condições meteorológicas extremas perturbam agricultura, aumentam escassez de alimentos e prejudicam nutrição provocando deslocamento humano e migração trazendo  desafios à saúde. Em 2022, a ATACH, Aliança à Ação Transformativa sobre Clima e Saúde, órgão global informal ancorado na OMS, foi estabelecida como veículo aos 83 ministérios da saúde que assinaram compromissos na COP26 para trabalhar na implementação e, em 2023, a presidência indiana do G20, com o apoio do BAD, Banco Asiático de Desenvolvimento, garantiu compromissos dos ministros da saúde e chefes de estado do G20 para alinhar sistemas de saúde com o ATACH, o primeiro compromisso coletivo dos chefes de estado em matéria de clima e saúde, responsáveis por 75% das emissões relacionadas a cuidados de saúde.  O sector saúde enfrenta obstáculos para atingir zero líquido em cadeia global de abastecimento de cuidados de saúde cuja produção e distribuição de produtos farmacêuticos, dispositivos médicos, equipamento hospitalar, alimentos respondem por mais de 70% da pegada climática do setor e, sua transformação, exige mudanças na regulamentação dos fatores e processos de produção da indústria dos cuidados de saúde bem como nos sistemas de embalagem, transporte e eliminação, medidas que exigirão transformação econômica em países e iniciativa dos produtores do setor privado para alterar processos enquanto governos e sistemas de saúde consagram regulamentos, políticas e práticas de compras sustentáveis.

Qualidade e resultado

IA aplicada a dados de saúde alinha o sistema de saúde norte americano com cuidados de qualidade e resultados positivos, no entanto, para cuidados de saúde ainda não atingiu sua capacidade total e um dos motivos é a qualidade e integridade inconsistentes dos dados dos quais IA depende. Hospitais, prestadores, seguradoras e administradores utilizam sistemas diversificados e os dados resultantes podem ser difíceis de compartilhar decorrente incompatibilidade, regulamentações de privacidade e natureza não estruturada dos dados, além da possibilidade de erros, omissões e duplicações, dificultando acesso, análise e uso, até mesmo os melhores dados podem causar distorções como os utilizados para treinar modelos  reforçando sub-representação de populações marginalizadas, daí, o crescimento IA nos setores significa que a qualidade dos dados é cada vez mais vital. Os EUA continuam gastando mais que o dobro da média dos países de rendimento elevado em seus cuidados de saúde, enquanto os resultados caem, com o mais recentes do Centro Nacional de Controle de Doenças à Estatísticas de Saúde indicando que as taxas de expectativa de vida nos EUA caíram pelo 2º ano consecutivo em 2021. A diretora de tecnologia de responsabilidade corporativa da Morgan Health, lançado pelo JPMorgan Chase em 2021, diz que está motivada à melhorar os resultados de saúde, acessibilidade e equidade, com dados como base, através de informações de grandes fluxos significando otimizar plataformas analíticas e garantir que os dados permaneçam seguros, ao mesmo tempo que estão em conformidade com HIPAA e Administração de Recursos e Serviços de Saúde, HRSA.

Quase 160 milhões de pessoas de norte americanos tinham seguro saúde patrocinado pelo empregador em 2022, de acordo com a KFF, antes Kaiser Family Foundation, organização sem fins lucrativos de pesquisa sobre políticas de saúde até que o JPMorgan Chase lançou o Morgan Health no foco de melhoria dos cuidados de saúde patrocinados pelos empregadores, sobretudo aos seus 165 mil funcionários. Investiu US$ 130 milhões em capital nos últimos 18 meses em 5 empresas de cuidados de saúde, ou,  a prestadora de cuidados primários avançados Vera Whole Health, especialista em análise de dados de saúde, Embold Health, Kindbody, rede de clínicas de fertilidade e fornecedora global de benefícios à construção de famílias, LetsGetChecked, que cria ferramentas clínicas de monitoramento domiciliar e o Centivo que oferece planos de saúde à empregadores autossegurados. Essas empresas oferecem abordagens aos cuidados de saúde convencionais patrocinados pelo empregador oferecendo padrão de atendimento elevado e a colaboração da Morgan Health com as empresas examina como alteram os resultados dos pacientes, a equidade nos cuidados de saúde e a acessibilidade e como dimensionar sucessos. Para a Morgan Health, IA e ML, aprendizado de máquina, são fundamentais à solução de problemas com tecnologia de saúde, em que IA está onipresente nos setores e é escolha certa quando pensamos em inovação, mas o entusiasmo pode significar que esquecemos da importância na acessibilidade e qualidade dos dados. A indústria avança à registos eletrônicos de cuidados de saúde, EHR, padrão aos pacientes em que estudo da Deloitte de 2023 afirma que a utilização de EHR e de trocas de informações de saúde, HIE, cresce rapidamente, com organizações construindo data lakes e utilizando IA para combinar e limpar dados, tais medidas proporcionam “espinha dorsal digital” à construção de ligações entre hospitais, centros de cuidados primários e ferramentas de pagamento e, segundo o estudo, ajuda reduzir erros, readmissões desnecessárias e testes duplicados. O Departamento de Saúde e Serviços Humanos, HHS, dos EUA construiu rede para conexão digital no setor de saúde e permitir fluxo de dados entre provedores e regiões geográficas.

Moral da Nota: PFAS no sangue estão associados a risco aumentado de doenças cardiovasculares, com investigadores dando evidências que vestígios dos produtos químicos PFAS utilizados no sangue humano estão associados a perfis lipídicos desfavoráveis e, portanto,  risco aumentado de doenças cardiovasculares, ao passo que  descobertas são baseadas em dados de mais de 2.500 adultos em que os PFAS foram detectáveis no sangue de quase todos os participantes do estudo. Pesquisadores do DZNE fornecem evidências que vestígios dos produtos químicos PFAS utilizados no sangue humano estão associados a perfis lipídicos desfavoráveis e, portanto, risco aumentado de doenças cardiovasculares enquanto conclusões baseiam-se em dados de mais de 2.500 adultos de Bonn e do município holandês de Leiderdorp, sendo que os PFAS foram detectáveis no sangue dos participantes do estudo e os resultados do estudo publicados na revista científica Exposure and Health. Inventado na década de 1950, mais de 10 mil substâncias diferentes da categoria de compostos alquílicos per e polifluorados, PFAS, foram desenvolvidas, devido propriedades repelentes à água, gordura e sujeira, são utilizados em produtos como cosméticos, fio dental, revestimentos de panelas e espumas extintoras, além da estrutura química básica, os PFAS têm outra coisa em comum, são quase não degradáveis, principalmente através das águas subterrâneas que entram na cadeia alimentar humana.

Biologia digital

Jensen Huang, presidente da Nvidia, que vende chips e servidores IA, afirmou que a “biologia digital” será a “próxima revolução surpreendente” à IA, “um dos maiores de todos os tempos” e, “pela primeira vez na história da humanidade, tem oportunidade de ser engenharia, não ciência”, sendo que a esperança à IA é que o software possa direcionar pesquisadores à novos tratamentos que nunca teriam pensado por conta própria, tal como um chatbot, que fornece esboço ao trabalho final, a IA acelera fases iniciais de descoberta de novos tratamentos e apresenta propostas sobre quais alvos atingir com as drogas e como poderiam ser essas drogas.  De acordo com o Boston Consulting Group, BCG, infladas pela IA, startups levantaram US$ 18 bilhões entre 2012 e 2022 sendo que a Insílico, que permanece privada e tem operações em Taiwan e China, é financiada com mais de US$ 400 milhões pela empresa de private equity Warburg Pincus e pelo cofundador do Facebook, Eduardo Saverin, entre outros. Relatório estima que empresas farmacêuticas gastam US$ 6 bilhões em investigação e desenvolvimento à cada novo medicamento que entra no mercado, em parte, porque a maioria dos candidatos a medicamentos fracassa ao passo que o processo leva em média 10 anos, sem ter a certeza se IA pode realmente tornar mais eficiente a busca pelas drogas, no entanto, outro estudo do BCG, de 2022, determinou que biotecnologias “nativas da IA”, aquelas que dizem que IA é fundamental à sua investigação, promoveram onda de novas ideias de medicamentos.  Consultores contaram 160 candidatos a produtos químicos testados em células ou animais e outros 15 em testes iniciais em humanos, número sugerindo que as drogas geradas por computador podem tornar-se comuns, o que o BCG não conseguiu determinar foi se os medicamentos habilitados à IA estavam progredindo mais rapidamente que o ritmo convencional, embora tenham escrito que “uma das maiores esperanças à descoberta de medicamentos habilitados à IA é aceleração de prazos”. 

O programador e físico Alex Zhavorondov, em 2016, usava IA para classificar pessoas pela aparência e fotos de gatos, atualmente, através de sua empresa, a Insílico Medicine, criou o primeiro “verdadeiro medicamento IA” que avançou à teste de cura de doença pulmonar fatal em humanos, diz que  o medicamento é especial porque o software de IA não apenas ajudou decidir com qual alvo dentro da célula interagir, mas qual deveria ser a estrutura química do medicamento. Fala que ambas as abordagens foram usadas para encontrar o medicamento candidato da Insílico, cujo rápido progresso, 18 meses para o composto ser sintetizado e os testes completos em animais, é demonstração que IA pode tornar a descoberta de medicamentos mais rápida, considerando que a biotecnologia viu novas startups prometendo usar IA para acelerar pesquisas de medicamentos, incluindo nomes como Recursion Pharmaceuticals e, recentemente, Isomorphic Labs, um spin-out da divisão Deep Mind do Google. Com histórico de implementação de métodos IA de ponta assim que disponíveis, iniciou a Insílico em 2014, logo depois que IA começou alcançar avanços no reconhecimento de imagens com os chamados modelos de aprendizagem profunda, sendo que a nova abordagem destruiu técnicas anteriores de classificação de imagens e tarefas como encontrar gatos em vídeos YouTube, com Zhavoronkov inicialmente encontrando notoriedade e  controvérsia em aplicativos IA que adivinhavam a idade das pessoas e em um programa que classificava pela aparência.  Seu software de concurso de beleza, Beauty.AI, provou ser um passo em falso no preconceito IA quando foi criticado por escolher poucas pessoas com pele escura, em 2016, porém, sua empresa propunha abordagem “generativa” para imaginar novos medicamentos em que métodos generativos criam novos dados como desenhos, respostas ou músicas com base em exemplos nos quais foram treinados, caso do aplicativo Gemini do Google.  Em 2022, a Nimbus vendeu um produto químico promissor a gigante farmacêutica japonesa por 4 bilhões utilizando abordagens computacionais para projetar o composto, embora não estritamente IA, seu software modela a física de como as moléculas se unem e, em 2023, a Insílico vendeu um candidato a medicamento inicialmente proposto pela AI à empresa Exelixis, por US$ 80 milhões, “mostrando como estão dispostos a pagar muito ”, ao passo que seu software chamado Chemistry42, leva 72 horas para propor produtos químicos que possam interagir com ele estando à venda e usado por várias empresas farmacêuticas.  A Insilico publicou artigo na Nature Biotechnology descrevendo medicamento candidato a doença pulmonar, fibrose pulmonar idiopática, detalhando como o software IA sugeriu possível alvo, a proteína chamada TNIK, e vários produtos químicos que poderiam interferir nele, um dos quais foi então testado em células, animais e, finalmente, em humanos em testes iniciais de segurança.  Observadores consideraram o artigo demonstração abrangente de como desenvolver um candidato a medicamento usando IA, com Timothy Cernak, professor assistente de química medicinal na Universidade de Michigan, na publicação Fierce Biotech dizendo que “realmente faz, da sopa às nozes, tudo”, desde então, o medicamento avançou à ensaios de Fase II na China e EUA, que procurarão provas iniciais sobre se é realmente útil à pacientes com doença pulmonar, cujas causas permanecem misteriosas e levam à morte em poucos anos.  Embora Zhavoronkov afirme que o produto químico é o primeiro verdadeiro medicamento IA a ir tão longe e o primeiro de uma IA “generativa”, a definição nebulosa de IA torna sua afirmação impossível confirmar, neste verão, o apresentador da CNBC, Joe Kernen, observou que em 2023, muitas empresas decidiram racionalizar o design de medicamentos usando computadores. 

Moral da Nota: Chris Gibson, CEO da Recursion Pharmaceuticals, rejeitou a afirmação de Zhavoronkov, dizendo que IA encontrou seu caminho em pesquisas sobre medicamentos que avançaram à Fase II, incluindo 5 de sua empresa que usou IA para classificar imagens de como células respondem aos medicamentos, “um dos muitos programas que afirmam ser o ‘primeiro’ nos últimos anos, dependendo de como divide o uso da IA”, “podendo ser usada para muitos aspectos da descoberta de medicamentos” sendo que céticos dizem que criar candidatos a medicamentos não é o verdadeiro gargalo, pois os contratempos mais dispendiosos ocorrem frequentemente em testes posteriores, caso um medicamento não demonstre benefícios quando testado em pacientes.  Em 2023 a biotecnologia Benevolent AI, sediada no Reino Unido, despediu 180 pessoas, metade do pessoal, e reduziu operações depois do seu principal medicamento não ter conseguido ajudar pessoas com problemas de pele, promovido como “mecanismo de descoberta de medicamentos habilitado à IA” que poderia prever “alvos de alta confiança” e “melhorar a probabilidade de sucesso clínico”. 

Saúde e IA

Integração IA na saúde poderia ajudar na simplificação do trabalho administrativo melhorando gestão do sistema, qualidade do atendimento e experiência do paciente e da equipe, além de aumentar acessibilidade através de gastos mais baixos. O Canadá gasta US$ 245,66 bilhões/ano em saúde equivalente a 12,2% do PIB 2022 e, nos últimos 10 anos, os gastos anuais aumentaram, em média, um ponto percentual a mais que seu crescimento do PIB, excluindo 2020, ou US$ 7.500 per capita anuais fazendo do Canadá um dos 10 maiores investidores em saúde no mundo e, apesar desta despesa crescente, os resultados para os canadenses começam ficar atrás de outros países. O Instituto Fraser qualificou o desempenho do Canadá como “modesto a pobre”, classificando o país em último ou quase último em 4 indicadores de oportunidade de cuidados, por exemplo, envelhecimento da população, aumento da prevalência de condições crônicas e custos crescentes de cuidados personalizados de saúde e medicamentos perpetuando esta trajetória, a menos que os sistemas de saúde tomem medidas buscando transformação que requer abordagem holística abrangendo modelos de prestação de cuidados, produtividade clínica, simplificação administrativa e capacitação tecnológica. A integração IA no sistema de saúde canadense, incluindo agências de saúde pública, ministérios da saúde, hospitais, clínicas, cuidados domiciliares e virtuais, auxiliaria melhorar o desempenho geral do sistema conforme análise da McKinsey, em implementação em grande escala, cujos esforços em aplicações conhecidas de IA permitiriam o Canadá reduzir despesas líquidas com cuidados de saúde em 4,5% a 8,0% por cento ao ano, aumentando acessibilidade sem afetar negativamente resultados e experiência. 

A integração IA no sistema de saúde, de modo oportuno e ético, exige modelos de colaboração em tecnologias e talentos fundamentais e abordagem em escala à gestão de riscos e, ao implementar a tecnologia em escala e mitigar riscos, líderes de saúde obtém benefícios como melhoria da qualidade nos cuidados, melhor experiência do paciente e funcionários, trabalho administrativo simplificado, menores gastos e gestão otimizada do sistema. Tecnologia em IA ajuda promover sistemas de saúde mais seguros e produtivos com estudos demonstrando que IA melhora capacidades humanas em termos de precisão, eficiência e execução de processos médicos e administrativos relacionados, embora seja campo vasto e complexo, existem 2 tipos de IA atualmente utilizados na saúde, o aprendizado de máquina e o processamento de linguagem natural, sendo que o aprendizado de máquina usa técnicas computacionais que aprendem a partir de exemplos como parâmetros predefinidos e o processamento de linguagem natural combina aprendizado de máquina com modelos estatísticos e de aprendizagem profunda para analisar imagens, vídeos, linguagem humana e outros textos não estruturados buscando padrões e construindo resultados estruturados, ao passo que o processamento de linguagem natural pode, entre outras tarefas, interpretar imagens de raios X ou traduzir notas de voz em documentação médica baseada em texto enquanto IA generativa, gen AI, é definida como uso de algoritmos para criar conteúdos, incluindo áudio, código, imagens, texto, simulações e vídeos que provavelmente será cada vez mais usado nos próximos anos. Investimentos em IA aumentam e provavelmente continuarão afetando cuidados de saúde, por exemplo, entre abril de 2021 e março de 2022, o investimento de capital de risco em empreendimentos IA em Ontário foi 206 % maior que no mesmo período de 2020 e 2021, cujas oportunidades à integração IA nos cuidados de saúde canadenses enquadram-se em áreas como saúde pública, prestação de cuidados e gestão da capacidade e, nessas áreas, o impacto está mais concentrado em qualidade dos cuidados, trabalho administrativo e gestão do sistema. Organizações e empresas de saúde canadenses reúnem evidências para demonstrar a capacidade IA de melhorar a qualidade dos cuidados, incorporando em áreas de pesquisa, prestação de cuidados e monitoramento de recuperação, por exemplo, a empresa de tecnologia Swift Medical usa IA e experiência avançada em tratamento médico para fornecer soluções digitais de gerenciamento, sendo que a plataforma Swift Medical combina dispositivos móveis, visão computacional alimentada por IA e algoritmos de aprendizado de máquina para auxiliar profissionais documentar, medir e monitorar procedimentos com precisão relatando que a solução reduziu hospitalizações relacionadas aos procedimentos em mais de 14 %, visitas de emergência relacionadas em 7 % e tempo de internação em 62 %.

Moral da Nota: o modelo ao sucesso na onda de negócios envolve potencial econômico da IA generativa, próxima fronteira da produtividade, sendo a saúde organizacional chave ao desempenho a longo prazo. Outro sistema de saúde, o BIOS, trabalha com o instituto de pesquisa Mila, sediado em Montreal, para desenvolver sistema de neuro modulação de circuito fechado usando IA que poderá ser utilizado em aplicações como condições cardíacas crônicas e, de acordo com o BIOS, pode reconhecer sinais neurais relevantes dos pacientes ajustando tempo e grau de estimulação necessários em tempo real para melhorar potencialmente a eficácia do tratamento. Nas tarefas administrativas IA pode automatizar como auxiliar na documentação clínica, apoiar equipe em tempo real e melhorar precisão do faturamento reduzindo carga administrativa dos médicos e permitindo que se concentrem mais no atendimento ao paciente e, ao analisar métricas críticas como padrões de visitas, intensidade dos sintomas e preferências dos pacientes para horários de consulta, por exemplo, o software de agendamento oferece potencial de melhor coordenação do atendimento e experiência do paciente, otimizando agendamento clínico. A Administração de sistema em casos de utilização de IA reforçam gestão do sistema de saúde, ao mesmo tempo que abordam vários objetivos ao mesmo tempo, incluindo melhoria da utilização de camas e qualidade dos cuidados e, à medida que a população envelhece e a infra-estrutura de cuidados de saúde amadurece, prever gestão da capacidade e ajustar recursos será vital para gerir a saúde incluindo, por exemplo, otimização da oferta e procura para minimizar escassez de mão-de-obra, uma prioridade no sistema de saúde garantindo previsão adequada e colocação de médicos, enfermeiros e outros profissionais onde são mais necessários. Por fim, o CIFAR, Instituto Canadense de Pesquisa Avançada lançou 2 redes de soluções de saúde em IA, a Rede Integrada de Soluções IA à Imagens de Saúde e a Rede de Soluções de Previsão e Prevenção AI para Diabetes reunindo acadêmicos, organizações sem fins lucrativos e hospitais, destacando importância do envolvimento multi parceiro, sendo que os Institutos nacionais IA como Amii em Edmonton, Mila em Montreal e o Vector Institute em Toronto, traduzem pesquisa IA em aplicações comerciais permitindo que organizações públicas e privadas focadas na saúde adotem essas tecnologias, sendo que os sistemas de saúde terão eventualmente que considerar se devem manter determinadas capacidades internamente ou através de parcerias e, consequentemente, se beneficiar do aproveitamento de oportunidades no curto prazo acelerando caminho à adoção e escala, ao mesmo tempo que entregam projetos no prazo e orçamento sendo que bem concebidas, parcerias público-privadas podem trazer capacidades complementares, expandir e sustentar esforços.

Padrões relevantes

Em artigo na Science, pesquisadores descrevem fórmula estatística que identifica como as redes neurais são recursos de aprendizagem demonstrando que a inserção da fórmula em sistemas de computação, que não dependem de redes neurais, permitiu que os sistemas aprendessem de modo mais rápido e eficiente. O estudo é parte de esforço maior do grupo de pesquisa para desenvolver teoria matemática que explique como funcionam as redes neurais ao demonstrar que a fórmula estatística usada para entender como as redes neurais aprendem, conhecida como Produto Externo de Gradiente Médio, AGOP, poderia ser aplicada para melhorar o desempenho e a eficiência em outros tipos de arquitetura de aprendizado de máquina que não incluem redes neurais. O autovetor principal do AGOP de dois modelos separados, MLPs e máquinas de kernel Laplace, capturou recursos semelhantes, similaridade de cosseno maior que 0,99, quando treinado nos mesmos dados do CelebA em tarefas que sistemas de aprendizado de máquina imaginados precisariam menos poder computacional e, portanto, menos energia da rede para funcionar, menos complexos e mais fáceis de entender.

Redes neurais impulsionam avanços na IA incluindo modelos de linguagem utilizados em vasta gama de aplicações, de finanças a recursos humanos e cuidados de saúde, no entanto, continuam ser caixa preta cujo funcionamento interno engenheiros e cientistas lutam para compreender. Equipe liderada por cientistas de dados e da computação da Universidade da Califórnia deu às redes neurais o equivalente a um raio X para descobrir como realmente aprendem e descobriram que uma fórmula usada na análise estatística fornece descrição matemática simplificada de como redes neurais, como o GPT-2, precursor do ChatGPT, aprendem padrões relevantes nos dados, conhecidos como recursos, sendo que a fórmula explica como as redes neurais usam esses padrões relevantes para prever. Ferramentas baseadas em IA difundidas no cotidiano, em que bancos utilizam para aprovar empréstimos, hospitais para analisar dados médicos como raios X e ressonância magnética, empresas as utilizam para selecionar candidatos, sendo difícil compreender o mecanismo que as redes neurais usam para tomar decisões e os preconceitos nos dados de treinamento que podem impactar. Redes neurais, artificiais, são ferramentas computacionais para aprender relações entre características de dados, ou seja, identificar objetos ou rostos específicos em uma imagem, um exemplo de tarefa é determinar se em uma nova imagem uma pessoa está usando óculos ou não, daí, o aprendizado de máquina aborda o problema fornecendo à rede neural exemplos de imagens, de treinamento, rotuladas como imagens de “uma pessoa usando óculos” ou “uma pessoa sem óculos”. A rede neural aprende a relação entre as imagens e seus rótulos e extrai padrões de dados, ou recursos, nos quais precisa se concentrar para tomar uma decisão e uma das razões pelas quais sistemas IA são considerados caixa preta é porque é difícil descrever matematicamente quais critérios os sistemas utilizam para fazer previsões, incluindo potenciais enviesamentos, aí, o novo trabalho fornece explicação matemática simples de como os sistemas estão aprendendo esses recursos. Recursos são padrões relevantes nos dados, no exemplo acima, há ampla gama de recursos que as redes neurais aprendem e usam para determinar se de fato uma pessoa em uma fotografia está usando óculos ou não, uma característica que seria necessário atenção é a parte superior do rosto enquanto outras características podem ser a área dos olhos ou nariz, onde os óculos costumam ficar, daí, a rede presta atenção seletivamente às características que aprende que são relevantes e descarta as outras partes da imagem, como a parte inferior do rosto, cabelo e assim por diante, enquanto o aprendizado de recursos é a capacidade de reconhecer padrões relevantes nos dados e, em seguida, usá-los para fazer previsões, no exemplo dos óculos, a rede aprende prestar atenção na parte superior do rosto.

Moral da Nota: estudo liderado por pesquisadores da Universidade da Carolina do Norte no Instituto Chapel Hill para o Meio Ambiente, Escola de Saúde Pública da Universidade de Boston e Fundo de Defesa Ambiental, descobriu que a poluição decorrente liberação e queima de petróleo e gás resulta em US$ 7,4 bilhões em danos à saúde, mais de 700 mortes prematuras e 73 mil exacerbações de asma entre crianças anualmente, além do que as emissões são sub notificadas e seu controle não só é lucrativo aos operadores, mas, melhora a saúde pública nas comunidades. A prática petroleira de ventilar e queimar para libertar excesso de gás na produção de petróleo bruto, contribui à poluição do ar nas comunidades vizinhas e a favor do vento, resultando aumento de hospitalizações, de emergência, agravamento da asma e morte prematura. Publicado na GeoHealth, esclarece que atividades de queima e ventilação contribuem com US$ 7,4 bilhões em riscos à saúde e 710 mortes prematuras anualmente nos EUA, dessas mortes, 360 são atribuíveis a partículas finas, PM2,5, ozônio, O3, e dióxido de nitrogênio, NO2, sendo as partículas finas amplamente conhecidas por danos à saúde, além dos impactos do O3 e do NO2 que não devem ser negligenciados. A quantificação das emissões na indústria do petróleo é difícil pela natureza intermitente da prática e a forma como são comunicadas, ao passo que a pesquisa usou imagens de satélite do instrumento Visible Infrared Imaging Radiometer Suite no satélite Suomi National Polar-orbiting Partnership para observar atividades de queima e ventilação em combinação com dados relatados estaduais e locais encontrando emissões até 15 vezes maiores à partículas finas, 2 vezes maior à dióxidos de enxofre e 22% maior à óxidos de nitrogênio que o relatado nos Inventários Nacionais de Emissões da EPA dos EUA, sendo que o Texas, Pensilvânia e Colorado, tiveram os maiores encargos de saúde nesta análise respondendo por 45% do número total de mortes por excesso de poluição atmosférica por queima e ventilação. Descobriram que os encargos à saúde da qualidade do ar decorrentes queima e ventilação recaem sobre comunidades de baixa renda, hispânicas e nativas americanas e das mortes precoces causadas por queima e ventilação, 1 em cada 3 ocorreu em setores censitários de baixa renda, 30% ocorreram em setores censitários hispânicos/latinos e 10% ocorreram em setores censitários de nativos americanos e, dos 73 mil casos de asma infantil, 40% ocorreram em setores censitários hispânicos/latinos.

América Latina

O Uruguai se converte em epicentro latino americano de Fintech South Hub ao receber atores da indústria no encontro do Fintech South Hub, coorganizado pela Câmara Uruguaia de Fintech e Fundação da Vinci, reunindo líderes e empreendedores moldando panorama das soluções financeiras na América Latina. O Índice Fintech Global, em sua última edição, mostrou que o país escalou 46 lugares para ocupar o 17º lugar em nível mundial no fomento do desenvolvimento de tecnologias financeiras se tornando epicentro de transações de capital de risco, liderando a indústria, superando outros setores como comércio eletrônico, dados de 2022 da Associação Latinoamericana de Capital de Riesgo, LAVCA. O Fintech South Hub se apresenta como oportunidade para conhecer estado e perspectivas da indústria fintech na região, bem como marco jurídico e regulatório, contando com Argentina, Chile, Peru, EUA e México e, além de especialistas, o evento incluiu sessões de networking destinadas à criação de negócios e  fortalecimento de redes profissionais em temas como financiamento de startups, vendas de empresas unicórnios, ativos virtuais e regulamentação no âmbito criptográfico envolvidos em apresentações e painéis com especialistas. A Fintech South Hub promoveu e destacou o ecossistema fintech local, além de mostrar vendas que o Uruguai oferece para atrair atores da indústria em crescimento, declarado de Interesse Departamental pela Intendência de Montevidéu e realizado a cabo na Arena Antel .

O país se consolida com maior desenvolvimento, no desenvolvimento, inovação e adoção IA com relatório indicando que “o ecossistema IA no Uruguai se destaca por trajetória sólida na institucionalidade do Estado em matéria de tecnologia, sociedade de informação e governo digital, destacando que o país conta com nível de desenvolvimento mais alto nesta dimensão do índice, 75,95, seguido por Chile e Brasil”. O índice subdivide análises em 3 partes, Investigação, Inovação e Adoção e, no momento da investigação, o Uruguai mostra desempenho no campo IA situado abaixo de países como o Chile com pontuação de 97,78 e Brasil com pontuação de 77,7 destacando que, mesmo que o país obtenha pontuação máxima em relação ao impacto da investigação IA, com base em citações relacionadas às publicações dos últimos 5 anos, não se destaca em termos da presença de Centros de Investigação, área na qual Chile e Brasil têm vendas competitivas e, além disso, fica para trás em relação a pesquisadores ativos relacionados à população comparados com o Brasil. O Uruguai se destaca por comprometimento no desenvolvimento sustentado de ecossistema que promove formação de profissionais no campo IA, nesse sentido, cursos universitários de ensino relacionados a IA ganham popularidade existindo oferta e demanda crescente de programas educativos de pós-graduação incluindo cursos e carreiras em ciências de dados. As equipes de investigação mais destacadas são vinculadas ao Instituto de Engenharia Elétrica, IIE, e ao Instituto de Computação, InCO, da Faculdade de Engenharia da Universidade da República, Fing-Udelar, instituições que desenvolveram tradição de investigação em crescimento constante nas áreas relacionadas à IA e, além dessas instituições, existem laboratórios em centros de educação terciária e instituições de educação superior que oferecem programas de pós-graduação e mestrado no campo da IA. Em relação a inovação se destaca por superar de modo significativo outros países da região com pontuação de 83,6, em que México e Paraguai seguem na classificação registrando classificações em termos de produtividade e qualidade no âmbito do software de código aberto, enfrenta desafios no que diz respeito a patentes, registrando apenas uma pontuação, cifra mais baixa que México e Brasil, líderes em número de patentes na região e, em relação ao número e valor das investimento em IA, se encontra abaixo do Chile. No Uruguai foi desenvolvida visão de ecossistema com atores colaborando e coordenando ações, estabelecendo alianças no âmbito da tecnologia e sociedade acompanhados por institucionalidade sólida e políticas setoriais em constante evolução ao longo do tempo e, no que diz respeito à iniciativas privadas relacionadas à IA no Uruguai  existe a presença de empresas que se dedicam à consultoria em IA oferecendo serviços e vinculação ao software tradicional, além disso, algumas são especializadas em produtos específicos projetados para ajudar empresas integrar IA em seus fluxos de trabalho. O Uruguai se posiciona em 2º lugar à nível regional, depois do Chile que obtém pontuação de 84,11 no Índice Latinoamericano de Inteligência Artificial, ILIA, refletindo presença de estrutura sólida em promoção pública  IA embora não seja traduzida em adoção tão estendida por parte das empresas privadas como observada no Chile, se destacando na América Latina como pioneiro no desenvolvimento de estratégia IA liderando iniciativas relacionadas no setor público, além de respaldar Recomendação da UNESCO sobre Ética na IA e, nesse marco, aplicou Metodologia de Avaliação de Preparação, RAM, da UNESCO. A integração entre Agência de Governo Eletrônico, Sociedade de Informação e Conhecimento, AGESIC, e UNESCO abrange áreas incluindo formação de recursos humanos,  transferência de informações, organização de eventos, assistência técnica, formulação de projetos e participação em iniciativas internacionais em cenário que México e Brasil concentram 95% das patentes IA na América Latina. Dados do Índice Latinoamericano de Inteligência Artificial, ILIA, mostram que o Chile é o país com maior adoção da tecnologia na região, seguido pelo Uruguai, Argentina e México e  “à nível regional, a dimensão de investigação, adoção e desenvolvimento alcançou avanço de 40,49% na versão 2023, liderada pelo desempenho do Uruguai, com pontuação de 75,95%, seguidos por Chile e Brasil, 74,46%, e 47,37%, respectivamente, resultados que permitem identificar segmentos ou grupos de países composto por Uruguai e Chile, em que o Uruguai exibe bom desempenho consistente nas subdimensões de análise enquanto o Chile manifesta desempenho na subdimensão de Investigação mostrando comportamento menos favorável na Inovação e Desenvolvimento”. O Brasil e o México têm pontuações na subdimensão da investigação devido à quantidade de publicações identificadas e, no caso da Argentina, os indicadores que compõem a subdimensão da adoção favorecem sua pontuação global enquanto o resto dos países é colocado no 3º segmento com pontuações por baixo do progresso da região”.

Moral da nota: o Mercado Livre obtém licença financeira na Colômbia oferecendo cartões de crédito e serviços com criptomoedas e, no Mercado Libre Experience 2023 realizado em São Paulo, Brasil, o fundador da empresa anunciou que obteve licença financeira na Colômbia que permite incursionar no setor de serviços financeiros. Busca proporcionar acesso ao crédito que historicamentehouve mostra dificuldades em obtê-lo, nesse sentido, oferece cartões de crédito a indivíduos que nunca antes tiveram acesso, além disso, permite que as pessoas gerem rendas sendo aspecto destacado a possibilidade de operar com criptomoedas que representa passo à adoção das moedas digitais na Colômbia, sendo que os novos serviços financeiros  buscam melhorar acesso ao crédito e disponíveis a partir de 2024. O Mercado Libre apresentou ainda o "Mercado Play", plataforma de conteúdo em streaming que oferece mais de 6 mil horas de conteúdo gratuito, incluindo mais de 1.600 títulos de Disney Plus e Star Plus, plataforma caracterizada por não ter custo de assinatura e o financiamento de seu funcionamento é através da venda de publicidade.

Governança IA

O provedor de serviços Blockchain Casper Labs integra sistemas IA com tecnologias Web3 para melhorar transparência e segurança do consumidor, esclarecendo que colaborará com a IBM para combinar as tecnologias à novos casos de uso incluindo desenvolvimento de solução para regular governança de treinamento IA em organizações. A parceria cria camada de aplicação de políticas às empresas garantindo que organizações que implementam modelos generativos IA estejam em conformidade com o design do modelo original, ao passo que a Casper Labs contará com watsonxgovernance e o livro-razão distribuído da IBM para atingir o objetivo e, ao implantar modelos generativos IA, não é incomum que empresas modifiquem modelos de linguagem, LLMs, introduzindo conjuntos de dados de modo que podem estar em desacordo com o treinamento do modelo original ao passo que criadores muitas vezes desconhecem as mudanças generalizadas utilizadas pelas empresas que implementam seus modelos, levando a questões de propriedade intelectual, PI. A Casper Labs afirma que a solução blockchain permite organizações compartilhar informações sobre mudanças nos sistemas IA no livro-razão enquanto a empresa acrescentou que a troca de informações reduziu risco de cruzamento IP, ao mesmo tempo que deu aos criadores oportunidade de “remediar problemas” que surjam na implantação, com o CEO da Casper Labs esclarecendo que “com a ajuda da IBM estamos empenhados em fornecer modo melhor não apenas  entender por que os sistemas IA se comportam desse modo, mas, caminho mais claro para remediar comportamento caso ocorram problemas de desempenho”. À medida que questões de direitos de autor e tratamento de dados ameaçam o futuro a longo prazo da IA, especialistas pressionam por integração com blockchain como solução em que partes interessadas da indústria apontam a transparência e inviolabilidade blockchain como recursos que melhoram manuseio e segurança de dados da plataforma IA. Embora IA seja considerada tecnologia crítica que impulsiona inovação, há inflexão quanto sua integração nos serviços apesar da crescente adoção nas empresas, enraizado em questões de infração e utilização justa da tecnologia e, além de fornecer segurança de dados, blockchain valida autenticidade dos dados o que é importante aos desenvolvedores IA que dependem de dados para treinar modelos de linguagem, LLMs. Para que IA funcione dentro da lei e prospere diante desafios precisa integrar blockchain corporativo que garanta qualidade e propriedade da entrada de dados permitindo mantê-los seguros e, ao mesmo tempo, garantir imutabilidade.

Nestes conceitos emergem Plataformas que aproveitam IA na convergência  Blockchain como a Enigma que atende a mercado de dados que permite computação segura fora da cadeia, concebido à permitir que empresas compartilhem dados que os usuários assinem e obtenham através de contratos inteligentes, a seguir, a Numerai que fornece problemas de aprendizado de máquina de crowdsourcing à cientistas de dados capacitando-os registrar resultados em metamodelo IA por curto/longo período de tempo e apostar na eficácia do resultado/modelo proposto e, terminado o período de giro, verificam qual resultado está quase correto e compartilham os ganhos com base nos termos e condições pré-decididos, segue a SingularityNET que colabora com IA em Blockchain à desenvolver mercado aberto descentralizado IA onde qualquer pessoa monetiza IA implicando que compra e vende algoritmos IA em maior escala e, assim, melhora suas capacidades. Outro exemplo de coevolução IA Blockchain é o Ocean Protocol, ecossistema para compartilhamento e monetização de dados que oferece camada de serviço tokenizada visando fornecer acesso seguro, transparente e protegido aos dados, especialmente à entidades habilitadas à IA, além da Synapse que emprega convergência IA Blockchain para construir mercado descentralizado de dados e inteligência à instrutores, pesquisadores, processadores e contratos que podem ser abordados em tempo real. Vale ressaltar que no futuro IA e Blockchain emerge a convergência representando força na tecnologia esperando-se que contratos inteligentes evoluam à entidades, adaptando e otimizando processos Blockchain, combinação, que revoluciona tomada de decisões através de sistemas de governaça descentralizada alimentados por IA além de promover inclusão e justiça. O futuro além da evolução dos algoritmos representa mudança na propriedade dos dados, espera-se que Blockchain e  IA capacitem recuperar o controle de dados criando cenário descentralizado onde cada transação, de análises preditivas de cuidados de saúde a experiências de retalho personalizadas, mostrem potencial ilimitado da aliança. No espaço tecnológico, a Appinventiv é parceiro à empresas que se aventuram na integração IA e Blockchain como empresa dedicada ao desenvolvimento de software Blockchain fornecendo soluções que alinham aos requisitos de negócio em que serviços de desenvolvimento IA vão as complexidades de domínios industriais combinando IA e blockchain de modo eficaz, garantindo que algoritmos inteligentes se integrem aos processos de negócios. As soluções vão além da integração básica concentrando-se em elevar processos de decisão, simplificando operações  na propriedade dos dados, em futuro onde inovação tecnológica encontra confiabilidade melhorando eficiência, transparência e segurança em que IA permite automação inteligente, enquanto Blockchain garante registro de transações descentralizado e inviolável, promovendo confiança e inovação. Tem potencial de remodelar o futuro introduzindo níveis avançados de segurança de dados, tomada de decisão inteligente e transação em sinergia que revoluciona indústrias e promove cenário global mais conectado e eficiente, ao passo que blockchain à IA generativa envolve utilização para melhorar criação e implementação de modelos IA garantindo transparência dos algoritmos IA e capacidade de rastrear fontes de dados, ao mesmo tempo facilitando colaboração segura entre partes interessadas, integração, que cultiva confiança e responsabilidade no âmbito da IA generativa.

Moral da Nota: estudo mostra que IA ajuda proteger cadeias de suprimentos de saúde em que quase metade das empresas do setor da cadeia de abastecimento de cuidados de saúde, 46%, afirmam que utilizam IA para identificar e resolver potenciais perturbações no fornecimento e, no relatório publicado pelo think tank business intelligence Economist Impact, intitulado “Trade in Transition 2024”, que entrevistou 3.500 executivos seniores no mundo à 4ª edição da pesquisa Trade in Transition, 44% das organizações de saúde buscam melhorar experiência do cliente enquanto 35% utilizam a tecnologia para prever exigências dos consumidores. Enquanto 34% dos participantes da pesquisa disseram que IA ajudou sua empresa reduzir o custo geral das operações comerciais, outros 32% disseram que IA permitiu que sua organização reduzisse interrupções na cadeia de abastecimento e, de acordo com a liderança vertical global de Saúde na DP World, empresa que apoiou o estudo, "a imprevisibilidade é a nova constante, é imperativo aproveitar tecnologias avançadas como IA e, à medida que métodos de produção e produtos farmacêuticos tornam-se mais avançados, a indústria deve procurar inovar em todas as fases da cadeia de abastecimento".

Blockchain e IA

São Paulo emite Carteira de Identidade Nacional, CIN, na blockchain inserida em dispositivos de segurança e usando o número do Cadastro de Pessoas Físicas, CPF, como Registro Geral Nacional.  A CIN será o único documento válido nacionalmente a partir de 2032, com isso, acaba a duplicidade de identificação já que é possível ter 27 RGs, porque os sistemas “não conversam entre si”, portanto, a CNI pode reduzir fraudes e, até 2032, o RG continua valendo e sendo emitido pois o documento apresenta um QR Code que permite verificar se é autêntico, se foi furtado ou extraviado, por meio de smartphone. A solução é do Serpro com base em dados da Receita Federal que desenvolveu o b-Cadastro à RF incluindo bases de dados como a de CPF para compartilhamento em blockchain, no caso, a Hyperledger Fabric, sendo que  “blockchain desempenha papel fundamental na proteção dos dados pessoais e prevenção de fraudes, proporcionando experiência digital segura ao cidadão”. A emissão é piloto, disponível em 9 pontos da Grande São Paulo, desses, 6 são postos do Poupatempo e 3 unidades do Instituto de Identificação Ricardo Gumbleton Daunt, IIRGD, da Polícia Civil, em ampliação gradativa. Os estados tinham até 11 de janeiro de 2024 para iniciarem a emissão e, em agosto de 2023, o governo paulista disse que tinha se adequado aos requisitos do governo federal sendo que a CIN apresenta QR Code que  verifica autenticidade conhecendo se houve furto ou extravio.

Na ideia de disrupção, a Volkswagen desenvolve empresa de produtos digitais em IA denominada ‘AI Lab’, que funciona como incubadora e centro de competências buscando desenvolver protótipos digitais e transferi-los aos veículos. Explicou que os produtos digitais em IA desempenham papel fundamental ao Grupo e, dentre as aplicações desenvolvidas estarão info entretenimento e navegação, reconhecimento de fala de alto desempenho, recursos avançados do veículo e integração profunda de ecossistemas digitais que “trarão benefícios ​​ao cliente, melhorando experiência do produto”. Identifica ideias de produtos e coordenará internamente em colaboração com o setor tecnológico da Europa, China e América do Norte e, ao adotar esta abordagem, simplifica colaboração com empresas visando maximizar potencial de inovação e velocidade do setor IA cujo objetivo é desenvolver protótipos digitais e transferi-los à implementação nas marcas do Grupo. Otimiza potencial de inovação e velocidade do setor IA para implementação inseridos em Estratégia, Inovação, Digitalização e Programas, no entanto, não fabricará modelos de produção, mas servirá como incubadora do Grupo identificando ideias relacionadas à IA no mundo, desenvolvendo conceitos em conjunto com parceiros quando necessário, produzindo protótipos e contando com especialistas em IA colaborando com as marcas. Esclarece que "o 'AI Lab', combina conhecimento tecnológico, flexibilidade e velocidade em colaboração com parceiros externos, crucial no setor dinâmico da IA", conforme o Chefe de Pesquisa e Desenvolvimento do Grupo Volkswagen e Membro do Comitê Executivo responsável pela Pesquisa e Desenvolvimento da Porsche AG, enquanto o Conselho de Administração do AI Lab terá especialistas em IA responsáveis ​​por funções de gestão técnica e o Conselho Fiscal composto por membros dos Conselhos de Administração das marcas Volkswagen, Audi e Porsche.O CEO da Volkswagen-Porsche avisa que as aspirações da nova empresa incluem conexão de automóveis a sistemas externos “oferecendo valor agregado com IA vinculando ecossistemas digitais externos ao veículo, criando experiência de produto cuja colaboração com empresas é de vital importância e, no futuro, simplifica a cooperação em termos organizacionais e culturais.” Indústrias tecnológicas e automotivas tem desafios relacionados à condução autônoma e assistência ao condutor, no entanto, não se registrou aparição de automóvel totalmente autônomo e especialistas acreditam que o desafio da autonomia exige conectividade com a infraestrutura externa que viria no modo de equipar veículos com hardware e software IA para conectar sinais de tráfego, estradas e outros veículos incluindo interconexão de veículos quando viajam pelas mesmas estradas permitindo prevenção de colisões e detecção compartilhada. A Volkswagen indica que o novo AI Lab se concentrará na comunicação veículo a veículo, assim como entretenimento, manutenção preditiva e tecnologias avançadas de carga, com o chefe de investigação e desenvolvimento afirmando que o AI Lab terá poder de realizar seus próprios acordos com empresas tecnológicas "independente dos existentes e outros vínculos na produção em série", indicando que a abordagem da empresa estará na criação rápida de protótipos levando soluções IA à produção mais rapidamente.

Moral da Nota:  a Volks pretende trazer produtos IA à veículos e ambiente veicular integrando produtos digitais com IA oferecendo valor acrescentado que vai além dos seus automóveis, vendo potencial no reconhecimento de voz de alto desempenho e serviços que conectam ambientes digitais dos usuários ao veículo. As funções estendidas serão importantes incluindo ciclos de carregamento otimizados por IA à veículos elétricos, manutenção preditiva e ligação em rede de veículos com infraestruturas como as casas dos clientes, ou, “casa inteligente”, além do AI Lab identificar ideias de produtos e desenvolver protótipos sendo que não fabricará modelos de produção mas servirá como incubadora ao Grupo. Identificará ideias de produtos ligados à IA no mundo, desenvolverá conceitos promissores com parceiros e, sempre que necessário, produzirá protótipos iniciais além de contar com especialistas IA trabalhando em colaboração com as marcas com representantes de alto escalão no Conselho Fiscal além do Conselho de Supervisão que permitem comunicação entre parceiros iguais no setor IA, agilizando processos e simplificando colaboração entre indústria e empresas tecnológicas. O Chefe de Pesquisa e Desenvolvimento do Grupo Volkswagen e Membro do Conselho Executivo de Pesquisa e Desenvolvimento da Porsche AG, esclarece que  o “novo ‘AI Lab’, combina conhecimento tecnológico, flexibilidade e velocidade em colaboração com parceiros externos, crucial, no setor de IA” considerando que em andamento estão negociações sobre produtos com empresas internacionais de tecnologia, cujos dados especificados de consumo de combustível e emissões são determinados conforme procedimentos de medição prescritos por lei em que o ciclo de testes WLTP substitui o ciclo de testes NEDC e, portanto, não disponíveis valores NEDC à veículos homologados de novo tipo após essa data, informação, destinando-se à comparação entre tipos de veículos.  Equipamentos e acessórios adicionais, componentes adicionais, formatos de pneus, etc, podem alterar parâmetros relevantes do veículo, como peso, resistência ao rolamento e aerodinâmica, afetando o consumo de combustível, consumo de energia, emissões de CO2 e valores de desempenho de condução do veículo, além de condições meteorológicas e de trânsito e o comportamento de condução individual, devido condições de teste mais realistas, o consumo de combustível e as emissões de CO2 medidos de acordo com o WLTP serão, em muitos casos, superiores aos valores medidos de acordo com o NEDC. 

Davos e IA

A crise climática, segundo relatório do Fórum Econômico Mundial, pode causar 14,5 milhões de mortes até 2050 e US$ 12,5 bilhões em perdas econômicas e, apesar das conclusões, há tempo para que interessados globais tomem medidas estratégicas visando contrariar tais previsões e mitigar impactos das alterações na saúde a nível mundial. O relatório, Quantificando Impacto das Mudanças Climáticas na Saúde Humana, em colaboração com Oliver Wyman, analisa a crise climática fornecendo imagem do impacto indireto que as mudanças climáticas terão na saúde, economia global e cuidados, oferecendo estratégias para mitigar e preparar-se à esta ameaça. O Chefe do Centro e Cuidados de Saúde, Membro do Comitê Executivo do Fórum Econômico Mundial, esclarece que “embora haja discussão sobre o impacto das alterações climáticas na natureza e economia, as consequências do aumento das temperaturas afetarão o sistema de saúde global”, em que “o progresso será perdido a menos que medidas críticas de redução e mitigação de emissões sejam melhorados e tomadas medidas para construir sistemas de saúde resiliente e adaptável às alterações climáticas.” Enumera consequências das alterações climáticas à saúde em termos de resultados, mortalidade e vidas saudáveis perdidas, como custos econômicos ao sistema estimado em mais US$ 1,1 bilhão adicionais até 2050, sendo que a análise baseia-se em cenários desenvolvidos pelo IPCC, Painel Intergovernamental sobre Alterações Climáticas, sobre trajetória provável ao aumento da temperatura média do planeta, 2,5° a 2,9° C, acima dos níveis pré-industriais. Analisa 6 categorias de eventos provocados pelo clima como fatores negativos na saúde, inundações, secas, ondas de calor, tempestades tropicais, incêndios florestais e elevação do nível do mar, descobrindo que inundações representam o maior risco de mortalidade induzida pelo clima, respondendo por 8,5 milhões de mortes até 2050, enquanto secas, indiretamente ligadas ao calor extremo são a 2ª maior causa de mortalidade com previsão de 3,2 milhões de mortes, já as ondas de calor, têm maior impacto econômico estimado em US$ 7,1 bilhões até 2050 decorrente perda de produtividade, prevendo-se  que o excesso de mortes atribuídas à poluição atmosférica causada por partículas finas e poluição pelo ozonio, dará maior contribuição à morte prematura, 9 milhões de mortes/ano. Conclui que alterações climáticas desencadearão aumento de doenças sensíveis ao clima, incluindo as transmitidas por vetores impactando regiões antes menos afetadas, como UE e EUA e até 2050, mais 500 milhões estarão em risco de exposição alertando que alterações climáticas consolidam desigualdades globais na saúde, sendo que populações mais vulneráveis, mulheres, jovens, idosos, grupos de baixo rendimento e comunidades de difícil acesso, serão mais afetadas.

A IA foi tema central de 2024 em Davos destacando papel como ferramenta de transformação e progresso, com riscos e dilemas éticos em que IA é uma das forças mais disruptivas do nosso tempo com potencial de melhorar saúde, educação, segurança, economia e ambiente, no entanto, planta desafios éticos, sociais e políticos, sendo benéfica à humanidade e não ameaça, daí, busca garantir que respeite direitos humanos, privacidade e democracia evitando que aumente desigualdades, discriminação e  polarização. O Forum diz que que IA é oportunidade e responsabilidade na melhoria do bem-estar, por exemplo, pode ajudar combater mudança climática, otimizar uso dos recursos naturais, reduzir emissões de gases efeito estufa e monitorar efeitos do aquecimento global contribuindo à inclusão financeira, facilitando acesso a serviços bancários, créditos e remesas, especialmente às populações mais vulneráveis e marginalizadas, impulsionando inovação e crescimento econômico, criando produtos, serviços e mercados, além de gerar empregos de maior qualidade e valor agregado. Implica responsabilidade decorrente efeitos negativos e imprevistos caso não regulamentada e supervisionada adequadamente, por exemplo, pode gerar desemprego ao substituir trabalhadores humanos por máquinas mais eficientes e baratas, pode promover segurança ao ser utilizada com multas maliciosas, como ciberataque, espionagem ou guerra, pode destruir confiança, gerar desinformação, falsificações e manipulação, que afeta opinião pública, democracia e direitos humanos. Faz necessário, segundo o WEF, que IA seja desenvolvida e aplicada com princípios éticos, sociais e legais, necessitando transparência, explicável e auditável, para entender como funciona e como toma decisões, necessitando ser justa, equitativa e não discriminatória, segura, confiável e robusta, para não cair ou causar danos, participativa, inclusiva e democrática, para que responda necessidades e interesses individuais e comunitários. O Fórum de Davos discutiu o papel e o propósito IA refletindo sobre limites e desafios, por exemplo, IA generativa, ramo de IA que cria conteúdos originais como textos, imagens, áudios ou vídeos, a partir de dados ou instruções tem aplicações positivas, com educação, entretenimento ou criatividade, havendo aplicações negativas, como desinformação, falsificação ou pirataria, daí, distinguir entre real e artificial e como proteger direitos de autor e propriedade intelectual além de fomentar qualidade e veracidade dos conteúdos. Por fim, nos lembra que IA exige governança global e multilateral necessitando coordenação e cooperação internacional para garantir que seja utilizada de forma ética, responsável e sustentável, concluindo que, IA é ferramienta e não um fim, é tecnologia poderosa e versátil que faz coisas, mas não pode tudo, não substitui ou supera a inteligência humana complementa e potencializa e não resolve todos os problemas, enfoca questões que importam.

Moral da Nota: os EUA parecem despreparados à avalancha de imitações geradas pela IA, apesar de anúncios dos especialistas, o que poderia engajar eleitores e políticos nas eleições como o caso de New Hampshire cujos eleitores receberam petição política incomum através de chamadas automáticas que soaram a voz do presidente e, ao  que parece, mensagens automáticas geradas por ferramenta deepfake de IA com aparente propósito de confundir nas eleições presidenciais de 2024. O escritório do fiscal geral do estado emitiu comunicado denunciando as chamadas como desinformação, acrescentando que "os votantes de New Hampshire deveriam ignorar o conteúdo da mensagem", enquanto isso, porta-voz do ex-presidente Trump negou qualquer participação por parte do candidato do Partido Republicano ou de sua campanha e o pesquisador não parece ter identificado a fonte das chamadas automáticas. Em notícias relacionadas, outro escândalo político à falsificação de áudio através da IA ocorreu quando foi descoberto áudio deepfake que imitava a voz do líder democrata de Manhattan, Keith Wright, sendo que a imitação da voz de Wright fala mal do membro da assembléia democrática Inez Dickens, daí, especialistas acreditam que maus atores optaram pelas falsificações de áudio em vez das de vídeo porque os consumidores tendem ser mais exigentes quando se trata de falsificações visuais, como disse o assessor de IA, do Financial Times, "todo mundo está acostumado com Photoshop ou pelo menos sabe que existe".

IA hoje

Partindo do princípio que a forma como utilizamos IA definiria o modo como nos afeta, a importância IA em 2023 é visível nas tecnologias disruptivas como aprendizagem automática e  aprendizagem profunda. IA é um dos principais componentes na revolução da Indústria 4.0, cujos casos de uso em educação, saúde, indústria transformadora e hotelaria comprovam influência  auxiliando organizações reduzir custos, melhorar experiências do usuário e obter melhor eficiência. O mercado global IA poderá atingir US$ 1,35 bilhões até 2030, além disso, o crescimento da tecnologia contribuirá com US$ 15,7 bilhões à economia global até 2030, valor visível na contínua taxa positiva de adoção e, segundo a IBM, a taxa de adoção global de tecnologias IA em 2022 foi de 35%, 4 % superior a 2021. 

Compreender importância IA envolve compreender fundamentos referindo-se a combinação de tecnologias utilizadas à simular inteligência humana em máquinas, com o detalhe que, IA não é tecnologia, pelo contrário, abrange outras tecnologias, como aprendizagem automática, redes neurais, processamento de linguagem natural e aprendizagem profunda. Aspecto importante sobre benefícios IA apontam à variantes predominando 2 tipos, restrita e geral, com funcionalidades e limitações distintas, valendo dizer que refere-se ao uso de IA em tarefas pré-programadas como assistentes digitais e aplicativos meteorológicos. O foco da IA restrita gira na melhoria da eficiência e não do aprendizado,  por outro lado, IA geral concentra-se em aprender como emular inteligência humana e poderia abordar ampla gama de tarefas destinadas a humanos, no entanto, a visão de sistema IA inteligente, ainda é conceito podendo levar tempo até se tornar realidade. O funcionamento IA escala informações necessárias para determinar sua importância encontrando relação estreita entre benefícios IA e os mecanismos de funcionamento das soluções e concentra-se no uso de algoritmos, modelos estatísticos e programas de computador que capacitam máquinas para coleta de dados, processar de informações, reconhecer padrões e tomar de decisões, sendo que os sistemas de IA seguem o processo para que a aprendizagem contínua melhore e evolua à melhores sistemas. Os dados gerados por humanos e máquinas aumentaram em alguns anos, ao mesmo tempo, enormes volumes de dados mostram-se  além da capacidade humana de absorver informações e interpretá-las à tomada de decisões, daí, necessidade IA em tais cenários apoiar o uso eficiente de dados e criar bases do aprendizado de informática. A IA poderia facilitar oportunidades de transformação empresarial, ao mesmo tempo que proporciona perspetivas sobre a relação entre  pessoas e tecnologia, por exemplo, inovar no poder computacional e processamento em nuvem desempenhou papel vital no incentivo à sua adoção, além disso, empresas identificam tipos de dados que nunca tinham identificado antes proporcionando vantagem Competitiva e Agilidade nos Negócios. As aplicações IA poderiam aproveitar aprendizagem automática e aprendizagem profunda à interpretação em tempo real de dados e resultados, com análise de informações em fontes diversas, dando adaptabilidade, portanto, empresas podem aproveitar os benefícios IA para se adaptarem com precisão às mudanças em ambientes de negócios e nas condições de mercado, por exemplo, poderiam desenvolver capacidade de recomendar produtos aos usuários, inserida na capacidade de auto aprendizagem e auto otimização, levando a benefícios melhores a longo prazo.

Moral da Nota: casos de uso IA para empresas concentram-se nas capacidades para incentivar inovação visando disponibilidade de recursos para tirar partido IA. Por exemplo, a automação com IA poderia ajudar na redução de custos, além disso, a automação em IA introduz melhor escalabilidade, consistência e velocidade nos processos de negócios com a Accenture relatando que seus clientes utilizaram IA para reduzir o consumo de tempo em 70%. A ênfase IA em 2023 depende das capacidades para fortalecer a vantagem competitiva e oferecer valor comercial em melhor produtividade e eficiência refletindo benefícios da produtividade, por exemplo, robôs alimentados por IA realizam tarefas demoradas e repetitivas na indústria transformadora enquanto trabalhadores poderiam concentrar-se em tarefas mais complexas e, na área da saúde poderiam agilizar tarefas administrativas, melhorando experiência do paciente com profissionais médicos tendo mais tempo para se concentrar na prestação de cuidados e consultas personalizadas. A IA ajuda empresas tomar decisões, aproveitando o poder da análise preditiva, dependendo das capacidades dos algoritmos IA para análise de grandes conjuntos de dados, portanto,  tem capacidade de identificar tendências e padrões que podem ser invisíveis aos humanos. Pode descobrir informações de negócios exclusivos que ajudam na tomada de decisões informadas, com  pesquisa da PWC revelando que 63% dos executivos de negócios acreditam no potencial IA para ter influência  em sua indústria, por exemplo, a análise preditiva  ajuda prestadores de serviços financeiros identificar potenciais oportunidades e riscos no mercado de ações, como resultado, os prestadores de serviços oferecem informações aos investidores para ajudá-los tomar decisões de investimento mais seguras. Chama a atenção à facilidade  de recomendações personalizadas de produtos e no comércio eletrônico, entretenimento e marketing digital recomendações personalizadas melhoram o envolvimento do cliente, por exemplo, Netflix e Amazon usam algoritmos IA para fornecer recomendações aos usuários conforme o histórico de navegação e compras, portanto, IA serviria como ferramenta promissora para gerar leads potenciais melhorando taxas de conversão. A International Data Corporation informou que as despesas globais em soluções de IA atingirão US$ 98 bilhões de dólares em 2023, portanto, importa compreender a direção futura IA para antecipar seu papel na definição do futuro sendo que os avanços nos algoritmos de aprendizagem profunda poderiam ajudar  capacitar as máquinas à tarefas mais complexas, ao mesmo tempo, algoritmos aprimorados de aprendizado de máquina ofereceriam melhor precisão nas previsões. A IA teve sucesso em melhorias significativas no setor de saúde, no futuro, casos de uso permitirão melhor integração nos sistemas de saúde, ao mesmo tempo diagnóstico preciso e eficiente e na educação devem ganhar mais impulso no futuro, fortalecendo argumentos a sua adoção.

Alfageometria e IA

Passo significativo foi dado com o desenvolvimento do AlphaGeometry, sistema que aborda e resolve problemas de geometria a nível da Olimpíada Internacional de Matemática, IMO, descoberta apresentada por Trieu Trinh e Thang Luong, marco no campo da IA ​​e aplicação em resolução de desafios matemáticos complexos. O AlphaGeometry provou capacidade de resolver 25 dos 30 problemas geométricos em um conjunto de testes, IMO-AG-30, competindo com medalhistas de ouro humanos que resolvem média de 25,9 problemas, conquista notável, considerando que o sistema anterior baseado no método de Wu, resolveu 10 destes problemas, enquanto o sistema AlphaGeometry utiliza abordagem neuro-simbólica combinando modelo de linguagem neural com mecanismo de dedução simbólica, ao passo que o modelo de linguagem responde por gerar ideias rápidas e previsões sobre possíveis construções úteis, motor simbólico, baseado na lógica formal, levando a raciocínio rigoroso e estruturado e nos permitindo abordar problemas de geometria de modo eficiente, propondo construções e deduções lógicas em loop iterativo até que a solução seja encontrada. No treinamento do AlphaGeometry foram gerados 100 milhões de exemplos únicos de dados sintéticos, processo envolvendo criação de um bilhão de diagramas geométricos aleatórios e análise de relações entre elementos, abordagem que supera limitação da falta de dados de formação e permite que IA aprenda e melhore sem necessidade de intervenção humana direta. Em resumo, apresenta desempenho comparável a humanos, abordagem Neuro-Simbólica que combina modelo de linguagem neural com mecanismo de dedução simbólica,  geração de dados sintéticos buscando superar escassez de dados de treinamento e, por fim, avaliação e verificação da solução. O desenvolvimento abre portas à aplicação IA ​​nos demais campos matemáticos e científicos, sendo que a capacidade da AlphaGeometry resolver problemas geométricos com abordagem lógica e estruturada sugere potencial à futuras pesquisas e aplicações IA, tanto em matemática como em outras ciências, lembrando que não é a primeira vez que IA surpreende o mundo da matemática, inclusive, com modelos especializados, avanço que representa evolução na forma como máquinas podem ajudar  expandir capacidades no domínio do conhecimento matemático e científico, enquanto combinação de abordagens e tecnologias criam sistema eficaz sendo exemplo claro de como a colaboração entre diferentes campos da tecnologia leva a resultados impressionantes.

Casos de uso que exigem análises em tempo real precisam de combinação de tecnologias, incluindo armazenamento distribuído, mecanismo de consulta distribuído e cache, para lidar com petabytes e conseguir resultados em segundos ou até menos. Análise em tempo real voltada ao cliente exige que sistemas de dados analíticos adotem recursos reservados à bancos de dados transacionais em que sistemas voltados ao cliente exigem bancos de dados que gerenciem alta simultaneidade, enquanto dados em tempo real implicam na capacidade de anexar e atualizar, “upsert”, rapidamente dados em tempo real, daí, nem todas decisões de negócios rotuladas como “tempo real” requerem banco de dados analítico dedicado, por vezes, um banco de dados transacional é suficiente, no entanto, o argumento da análise em tempo real torna-se convincente quando se lida com dados abundantes, análises complexas e necessidade de respostas de baixa latência. A necessidade de análise em tempo real supera necessidade real com o supostamente “em tempo real” tecnologicamente desatualizado do ponto de vista comercial e os usuários empresariais interpretando “tempo real” como “a partir de hoje” em vez de no final do mês enquanto sistemas em lote lidam com alguns desses casos e, se “tempo real” significa consultas rápidas, um mecanismo de consulta eficiente, em vez de um sistema analítico completo em tempo real, será suficiente e, para tarefas simples, como recuperar linha adicionada recentemente, um sistema transacional seria apropriado, no entanto, sistema analítico completo em tempo real torna-se essencial em cenários onde o requisito são consultas analíticas complexas como agregações que precisam incluir informações inseridas mais recentemente. O conceito de “tempo real” em análises em tempo real carece de definição universal e a visualização está ligada ao caso de uso e de importância crítica, sendo que o atraso na atualização de dados e o processamento de consultas, conhecido como latência, afeta mais que apenas o desempenho técnico impactando de modo significativo tanto no design da arquitetura do sistema quanto nos custos associados. A implementação de análises em tempo real em larga escala requer armazenamento distribuído rapidamente e mecanismo de consulta distribuída de alto desempenho sendo que a análise voltada ao cliente exige mecanismo de consulta capaz de armazenar resultados em cache em vários níveis ou empregar processamento na memória, enquanto as considerações incluem complexidade dos dados como desnormalização de dados complexos à consulta eficiente, embora o pré-processamento introduza latência, o desempenho lento da consulta também contribui à latência. Nem todo caso de uso exige análise em tempo real, mas os que exigem, a combinação estratégica de tecnologias incluindo armazenamento distribuído, mecanismo de consulta distribuído e cache, lidando com petabytes de dados e milhões de usuários, entrega resultados em segundos e, alcançar esse equilíbrio, envolve implantar tecnologias analíticas corretas e garantir que feeds de dados sejam rápidos para atender demandas da aplicação em que compensações informadas permitam análises em tempo real e escalabilidade voltada ao cliente com latência mínima, desde que o caso de uso justifique os custos associados.

Moral da Nota:  o relatório Bioremediation Market Size, Share & Trends Report, da consultoria Grand View Research, diz que o tamanho do mercado global de biorremediação é de US$ 15 bilhões esperando-se registrar taxa composta de crescimento anual próxima de 10% até 2030, sendo que o segmento de restauração de solos representa 40% das receitas globais e o segmento de campos petrolíferos, que cresce mais rapidamente, responde por outros 20%, totalizando US$ 9 bilhões. O desenvolvimento da Nunatak Biotech em projeto de descarbonização da UE ou BID deve levar a projeto de descarbonização que permita não só restaurar solos degradados mas domar emissões de CO2, moderando aquecimento global à 1,5° C acima das médias pré-industriais evitando que secas severas, ondas de calor e subida do nível do mar prejudiquem subsistência, saúde e bem-estar.

 

Lightning e IA

A Lightning Labs revelou ferramentas em IA que revolucionam transações Bitcoin, permitindo transações autônomas e experiências simplificadas de usuário que capacitam conduzir transações Bitcoin autônomas e manter ativos digitais sem esforço, avanço que abre possibilidades à transações de criptomoedas perfeitas e eficientes, aproveitando poder da IA. Conhecida por suas contribuições à Lightning Network do Bitcoin, a Lightning Labs fez o anúncio sobre ferramentas em IA projetadas para revolucionar o modo como usuários realizam transações e mantêm o Bitcoin, desenvolvimento, que mostra convergência da tecnologia de IA e criptomoedas, permitindo conveniência e eficiência ao usuário no ecossistema de ativos digitais. As ferramentas do Lightning Labs em IA recém-introduzidas marcam evolução das transações Bitcoin, aproveitam recursos IA para automatizar e otimizar aspectos do processo de transação simplificando e agilizando a experiência do usuário e, alavancando tecnologia IA, o Lightning Labs  aprimora acessibilidade e usabilidade Bitcoin à usuários novos e antigos.  Um dos destaques das ferramentas em IA do Lightning Labs é a capacidade de conduzir transações Bitcoin autônomas através de algoritmos e recursos de ML, aprendizado de máquina, com usuários delegando decisões de transação ao sistema IA, permitindo execução rápida e eficiente, sendo que essa automação reduz erro humano e aumenta velocidade e confiabilidade das transações Bitcoin tornando mais fácil gerenciar ativos digitais.

A integração de ferramentas em IA no ecossistema Lightning Network aprimora a experiência do usuário sendo que ferramentas do Lightning Labs permitem integração com canais da Lightning Network e, facilitando transações instantâneas de baixo custo com processos assistidos por IA, os usuários podem gerenciar acervos Bitcoin, monitorar atividade da rede otimizar a participação na Lightning Network liberando potencial da solução de escalonamento de Camada 2. A introdução de ferramentas IA pelo Lightning Labs sinaliza futuro à convergência entre IA e criptomoedas, à medida que a tecnologia IA avança, com potencial de revolucionar aspectos do espaço cripto incluindo eficiência de transação, gerenciamento de riscos e acessibilidade do usuário com esforços do Lightning Labs exemplificando inovação e sinergia entre as tecnologias. A introdução de ferramentas IA à transações e retenção Bitcoin representa marco no ecossistema cripto e, aproveitando poder IA,  usuários podem desfrutar transações autônomas, experiências de usuário simplificadas e participação aprimorada na Lightning Network, à medida que a integração IA no espaço cripto evolui  desbloqueaia níveis de eficiência, acessibilidade e conveniência à usuários ativos. Ao disponibilizar o kit de ferramentas que permite aplicativos IA como o ChatGPT da OpenAI, interagirem com a rede Bitcoin para enviar, receber e manter a criptomoeda, busca tornar pagamentos mais rápidos, baratos e fáceis aos desenvolvedores IA que passarão ter alternativa aos trilhos de pagamento tradicionais e, muitas vezes, de custo proibitivo, ao mesmo tempo que permitem modalidade de pagamento por uso de modelos IA na Lightning. Os modelos de linguagem, LLMs, são aplicativos de software modelados a partir de conjuntos de dados que os permitem gerar respostas semelhantes às humanas às solicitações do usuário, além de realizar tarefas conforme a Lightning Labs, esclarece que "está animada com a nova onda de inovação trazida pela última onda de modelos LLM". Explica que as ferramentas foram desenvolvidas com base no "protocolo L402", mecanismo de autenticação nativo da Lightning, que utiliza o "Langchain", biblioteca usada para simplificar operações com aplicativos IA, "com as ferramentas os desenvolvedores criarão infraestrutura IA mais acessível tanto à humanos quanto à agentes autônomos." A equipe da Lightning Labs reconheceu problema com os LLMs atuais, que não possuem mecanismos de pagamento nativos na Web, forçando desenvolvedores de aplicativos IA depender de métodos de pagamento antigos como cartões de crédito, com os quais as despesas adicionais são repassadas aos usuários, daí, "nova classe de 'organismos' em rápido crescimento, LLMs, inteligentes ou agentes de IA, não obtém acesso fácil a sistemas de pagamento fiduciários, pois não são 'entidades' registradas em nenhuma nação". O desenvolvedor da plataforma de pagamentos Fedi, comentou sobre a interoperabilidade IA e BTC à pagamentos dizendo que "IA é uma daquelas coisas em que não há nenhuma solução melhor em qualquer lugar do mundo que o Bitcoin e, as empresas IA, não resolveram seus problemas de monetização" e, de acordo com dados da plataforma analítica 1ML da Lightning Network, a capacidade atual da rede de 2ª camada Bitcoin é de 5.432 BTC ou US$ 163,5 milhões, com o Bitcoin Visuals relatando queda no número de canais lightning ao longo dos últimos 12 meses de 80 mil em julho de 2022 à 70 mil atualmente.

Moral da Nota: a adoção Lightning Network está aumentando, segundo o DappRadar, há mais de US$ 110 milhões em Bitcoin bloqueados na Lightning Network, sendo que alguns aplicativos são vitais ao uso da rede, como faturas compatíveis com Lightning Network, sabendo que é protocolo separado da rede principal do Bitcoin, é necessário um tipo de fatura diferente para que usuários possam criar canais de pagamento, no entanto, usuários não podem usar Lightning Network sem faturas otimizadas e, se a adoção da Lightning Network continuar crescendo, a indústria deverá esperar que mais desenvolvedores de cartões integrem suporte da Lightning Network enquanto usuários transferidos também se convertam em um nó, acelerando tempos de transação da Lightning Network. Vale sinalizar que o desenvolvimento da Lightning foi expandido para funcionar como solução de capacidade em vários projetos cujas trocas cripto estão começando admitir o protocolo, o que leva a Lightning Network a comerciantes, ao passo que exchanges que integram Lightning Network permitem que ususários retirem quantidades maiores de Bitcoin de modo econômico e instantâneo, inclusive quando o Bitcoin está congestionado, na Lightning Network, os usuários podem sofrer altas tarifas de transação e tempos de espera devido à tecnologia tradicional do Bitcoin. Watchtowers é um serviço de proteção de terceiros composto por não especializados introduzido na Lightning Network em que alguns nós se desconectam de vez em quando, deixando canais de pagamento abertos à estações de transações fora da linha e, em vez de deixar seu canal abandonado, um participante pode pagar uma tarifa a uma torre de vigilância e fornecer um indicador relacionado à transação do canal e se a torre de vigilância detectar atividade maliciosa, como se a parte contrária tentasse fechar o canal de pagamento, automaticamente congela os fundos e os reembolsa ao usuário penalizando a parte mal intencionada, retirando seus fundos do canal. Por fim, o advogado pró-XRP John Deaton comenta preocupações sobre supostos backdoors no código da Bitcoin Lightning Network considerando-a menos eficaz que o protocolo “Spend The Bits” no XRP Ledger, XRPL, em postagem X, antes, Twitter, revelou que é investidor anjo da Spend the Bits, bem como seu diretor jurídico elogiando o Spend The Bits como alternativa ao Lightning na blockchain Bitcoin, caracterizando-o método mais seguro para usar Bitcoin que o Lightning. A divulgação de Deaton foi oportuna, alinhada a postagem X do investigador WhaleWire levantando preocupações sobre descoberta na Lightning indicando vulnerabilidade de segurança que levou um desenvolvedor se retirar do projeto alegando presença de vulnerabilidades deliberadas no código da Lightning Network, que poderia fornecer aos invasores controle completo da rede, sendo que os principais apoiadores da Lightning Network estão envolvidos em Tether, Bitfinex e BlockStream, afirmação, que levantou questões sobre segurança e confiabilidade da Lightning suscitando dúvidas quanto à resiliência e viabilidade da rede a longo prazo, tendo o protocolo de pagamento registrado redução de 15 % na capacidade nos últimos 3 meses.

Valor preditivo

A EP, embolia pulmonar, representa a 3ª causa de morte cardiovascular, levando a uso generalizado da angiografia pulmonar por TC e, apesar da prevalência, a acuidade diagnóstica é variável entre radiologistas e com o surgimento da IA através de redes neurais convolucionais e reconstrução de aprendizagem profunda,  oferece caminho para melhorar detecção da PE. A sensibilidade IA superior e valores preditivos negativos reduz risco de diagnósticos perdidos, além de implementação da priorização de listas de trabalho em IA reduzindo tempos de detecção e notificação, simplificando fluxos de trabalho radiológicos, no entanto, é crucial sublinhar que IA atua como complemento e, não como substituto aos radiologistas, em sinergia com a experiência humana e, à medida que a integração IA avança, tem potencial de melhorar precisão e eficiência do diagnóstico na detecção da embolia pulmonar ao mesmo tempo que mantém papel do julgamento humano na tomada de decisões.

Como causa comum de morte cardiovascular e significativa de mortalidade hospitalar, embolia pulmonar se relaciona a incidência de tromboembolismo venoso, incluindo aí, embolia pulmonar e trombose venosa profunda, notada  em 100 a 150 por 100 mil pessoas, sendo que a investigação padrão ouro usada à auxiliar na detecção de embolia pulmonar é a angio tomografia pulmonar com sensibilidade de 83% e especificidade de 96%, realizada na maioria das emergência e hospitais no mundo. Estudos realizados para avaliar precisão diagnóstica de EP e a questão do viés inter observador no diagnóstico de EP, permaneceu em discussão por anos, com avaliação da variabilidade no diagnóstico EP entre radiologistas em diferentes níveis de experiência mostrando que 4 em 5 radiologistas com experiência de 2 anos ou mais não viram êmbolos periféricos em 4-6/290 pacientes, enquanto taxa de embolia incidental não observada, varia, chegando a 44,8%, no entanto, a taxa de embolia pulmonar não detectada caiu à 2,6% com assistência IA. Estudos demonstraram que a falha diagnóstica de embolia pulmonar, posteriormente detectada por IA na análise retrospectiva é de 38% e, historicamente, taxas de mortalidade e recorrência de embolias pulmonares não tratadas foram estimadas entre 26-30%, com declínio nas taxas em 5% em ambientes ambulatoriais, sendo que a jornada IA em imagens médicas iniciou na década de 1960 prejudicada por restrições tecnológicas devido à quantidade limitada de dados digitais disponíveis na época para treinar algoritmos e à falta de hardware computacional poderoso. A integração IA na radiologia, marcada pela introdução de redes neurais artificiais e software de detecção auxiliada por computador, na década de 1980, permite avanços como uso rotineiro em mamografia melhorando detecção de lesões com pequenos aumentos nas taxas de recuperação com os atuais sistemas IA utilizados em tomografias computadorizadas e interpretações de ressonância magnética começando ganhar força no mundo da radiologia ao passo que a abordagem de aprendizagem profunda em CNN, rede neural convolucional, é ferramenta IA mais popular para reduzir ruído da imagem, desenvolver imagens de modalidade de contraste à segmentação de imagens, harmonização e síntese da modalidade ausente popularmente chamada de DLR, reconstrução de aprendizagem profunda, enquanto algoritmos para aprendizagem profunda incluem RF, florestas aleatórias e SVM, máquinas de vetores de suporte para DLR e pós-processamento de imagens. Estudo realizado por Cheik et al, um software que utiliza IA para interpretação de imagens demonstrou capacidade de identificar 219 casos suspeitos de embolias pulmonares, EP, dos quais 176 foram confirmados como EP verdadeiros, notavelmente, 19 desses EPs verdadeiros foram inicialmente perdidos pelos radiologistas, sendo que o sistema IA exibiu maior sensibilidade e valores preditivos negativos, VPNs, de 92,6% e 98,6%, respectivamente, superando radiologistas que alcançaram sensibilidade de 90% e VPN de 98,1%, por outro lado, radiologistas se destacaram em termos de especificidade e valor preditivo positivo, VPP, com especificidade de 99,1% e VPP de 95% comparada a especificidade de 95,8% e VPP de 80,4% IA, resultados que destacam potencial IA para melhorar detecção EP na identificação de verdadeiros positivos enquanto radiologistas se destacam na redução de falsos positivos. A implementação da lista de trabalho IA resultou em redução do tempo médio de resposta, TAT, de 7.772 minutos para exames que mostram evidências de embolia pulmonar, EIP, para 148 minutos, considerando que a radiologia desempenhou papel pioneiro na introdução IA na medicina e, com base em observações semelhantes às mencionadas acima, o estudo considera razoável incorporação IA no currículo de radiologia como uma realidade para aumentar produtividade, nessa altura, presume que a integração IA em vários domínios médicos e não médicos registra progressos significativos. Apesar do papel crescente da IA, radiologistas continuam ser responsáveis finais pelo atendimento ao paciente, necessitando aquisição de novas habilidades para navegar no cenário em evolução IA, quadro ético que procura harmonizar o progresso tecnológico com valores centrados no ser humano enfatizando abordagem justa e responsável para integrar IA nas práticas radiológicas, daí, avaliação que a incorporação IA na detecção de embolia pulmonar serve à propósito duplo, primeiro, funciona como rede de segurança crucial, diminuindo probabilidade de não detectar embolias pulmonares e, em segundo lugar, ajuda radiologistas agilizar processo de notificação, sendo imperativo sublinhar que IA não substitui papel do radiologista, uma vez que julgamento e experiência humana continuam indispensáveis à tomada de decisões críticas, particularmente à luz da variabilidade biológica inerente ao corpo humano.

Moral da Nota:  a IA transforma rede energética, desde previsão dos tempos de carregamento dos veículos elétricos à localização de áreas de alto risco de incêndios florestais e, à medida que são disponibilizadas mais fontes de energia renováveis, a rede elétrica torna-se mais complexa. O clima cada vez mais imprevisível aumenta o desafio de equilibrar procura e oferta, assim, operadores de rede recorrem à IA para gerir o caos enquanto a capacidade IA ​​de aprender com grandes quantidades de dados e responder situações complexas torna-a adequada à tarefa de manter a estabilidade da rede e, cada vez mais empresas de software introduzem produtos IA no setor da energia. O Departamento de Energia dos EUA reconheceu esta tendência, concedendo US$ 3 bilhões de dólares em subvenções a projetos de "redes inteligentes", incluindo iniciativas relacionadas a IA, pela possibilidade de uma rede automatizada onde, em teoria, não seriam necessários humanos para decisões cotidianas. Por fim, a promessa reside no potencial IA ajudar humanos e fornecer informações em tempo real para melhor gerenciamento de rede, com tomada de decisão melhor e mais rápida, abordagem adaptada a cada residência, funcionamento de veículos elétricos graças à rede e detecção de desastres antes que ocorram.