Fabrício Carraro

E aí, Marcos? E aí, pessoal? Mais uma entrevista aqui, que é uma entrevista que já começa curiosa. Vocês conhecem o Geoffrey Hinton, lá do Google, né? Que é um dos caras que tem o pedum sobre o apocalipse das IAs muito alto. Ele falou em 2016, nove anos atrás, que radiologistas perderiam o seu trabalho. E o pessoal também fala, né? A Tesla, a Lomansk falavam...

nessa época que todo mundo estaria dirigindo carros autônomos, e agora a gente tem aqui um radiologista que provavelmente veio para casa dirigindo seu carro hoje e continua trabalhando na área. É isso, Marcos? É o doutor Felipe Kitamura, professor afiliado na Unifes, Universidade Federal de São Paulo, diretor médico também da Bunker Hill. Bem-vindo ao IA Sob Controle. Muito obrigado pelo convite, prazer enorme estar aqui com vocês. Super legal acompanhar o trabalho de vocês.

Que interessante essa mudança, essa carreira. E é uma coisa que eu tenho visto cada vez mais pessoas, inclusive a gente tem um contato muito próximo com o pessoal do LabDaps, da USP, do professor Alexandre Quevega do Filho, o Fabiano também, a Karine, já foram entrevistados aqui no podcast, palestraram na IAConference, que também a gente vê desde lá esse pessoal de médicos, médicos mesmo, entrando na parte da tecnologia, do machine learning, muito interessante.

Exatamente. E eu queria saber uma visão sua, desde que você comentou em 2016, que isso aí começou a ser mais presente dentro da radiologia e tudo mais, passaram-se nove anos, né? O que foi que mudou nesses nove anos?

E eu queria voltar um pouquinho na parte técnica, que a gente começou a pincelar aqui. A gente vê, ouve falar pelo menos, que o que é muito ou majoritariamente usado aí seriam aquelas redes como as CNNs, as redes convolucionais, as UNETs e tudo mais. E aí, mais recentemente, entrou a questão dos Vision Transformers também, que talvez poderiam ter sido usados. Então, como é que está esse mercado da tecnologia nessa área?

E você comentou que tem vários algoritmos, modelos que são criados lá fora e que a gente traz para o Brasil, e aí tem o problema de quando você muda a máquina, de quando você muda de região, inclusive, um tema que o professor Alexandre do LabDap sempre comenta, de atender pessoas no hospital em São Paulo é muito diferente de atender em Roraima ou no Mato Grosso, ou seja, lá onde for no Brasil, por diferenças populacionais, por diferença da capacidade do hospital, do equipamento que o hospital vai usar e tudo mais.

Então, nesse quesito, quando você tem que fazer isso, que o hospital comprou uma máquina nova, ou que mudou de região, ou seja lá o que for, o que você faz com esse modelo? Você faz um fine tuning? Você tem que treinar um modelo novo do zero? Um aprendizado federado ali, um transfer learning?

Então, na hora de, quando a gente vai falar de treinar esses modelos, vamos imaginar que a gente vai treinar um modelo desse do zero. O que é o gargalo, hoje em dia? Não falando de Brasil, mas falando em geral mesmo. É preço? É a qualidade das anotações? É o volume dos dados, que é muito baixo? Sim. Existem alguns, né? Olha, pré-foundation models, era muito claro. O gargalo é dado em quantidade e anotado.

E ainda mais ou menos nesse tema de adoção ou não adoção, como que você está vendo, pelo menos por enquanto, esse futuro dos profissionais de radiologia mesmo? Você está vendo esse risco que o pessoal chama de de-skill, o pessoal...

parar de aprender, ou até de never skilling, de nunca eles aprenderem. Inclusive, foi uma pergunta que foi mandada pelo nosso amigo aqui, o professor Aydamari Faria Jr., da UFF, que também falou, né, por causa de uso equivocado das IAs durante ali o período de estudos. Esse risco é muito real. E eu acho que a gente só não tá vendo ele acontecer no dia a dia, porque não tem tanto algoritmo de IA sendo usado para todas as doenças. É...

se a ferramenta for usada dessa mesma maneira. E aí eu quero entrar na polêmica, aproveitando que a gente está nessa, a polêmica do Geoffrey Hinton mesmo, dos radiologistas, no futuro se isso vai substituir, ou indo até mais a fundo. A gente fala, no Brasil, por exemplo, a gente tem, se não me engano, 50 mil mortes no trânsito por ano, é um número absurdo, talvez até mais.

E aí, já ouvi muitas pessoas defendendo que, beleza, colocamos em 30 anos, em 50 anos, seja lá o que for, carros autônomos, não vai mais existir a pessoa dirigindo o carro, vai ser sempre o carro autônomo, e ainda que haja alguma taxa ali de mortos, vai ser provavelmente muito menor do que esses 50 mil, 100 mil, seja lá quantos for por ano. Vai ser, sei lá, mil por ano, 500 por ano, algo nesse sentido, que é níveis de grandeza muito menor. Colocando isso na IA e na radiologia,

E indo agora para a Califórnia, na verdade, porque você está no Unifest, mas também está lá nos Estados Unidos, em São Francisco, na Bunker Hill Health, que olhando aqui na página do LinkedIn deles, falaram que o objetivo é aumentar a taxa de criação e de adoção da IA no tratamento de saúde, no healthcare. Então, qual é o seu papel lá e o que vocês vêm desenvolvendo? Eu sou atualmente diretor médico na Bunker Hill. Tem, inclusive, um outro médico radiologista brasileiro que trabalha lá também,

E uma curiosidade em relação a isso, a gente falando dos Estados Unidos, lá me parece, pelo menos, que essa questão da saúde é muito descentralizada, diferente do Brasil que tem o SUS. Então, esse tratamento que é feito para esses pacientes é só para os pacientes daquele hospital ou daquela rede de hospitais, basicamente? Ou é daquele estado? Você consegue ter acesso aos dados do estado inteiro ou do país?

E aí, em teoria, se fosse na saúde pública do Brasil, no SUS, daria para fazer uma coisa país adentro, basicamente para o país inteiro. É verdade, exato. Bom ponto.

Seria ótimo, né? Coisa, não, porque... Curiosamente, eu ia até comentar que eu gravei recentemente um curso chamado Flash Skills aqui da Alura, que ele é vendido tanto separadamente, então que normalmente os cursos da Alura são só se assinar a Alura, igual Netflix, e você tem acesso a todos os cursos.

Esse Flash, ele tem uma outra pegada que você dá pra comprar ele isolado, mas também tem lá na plataforma pros alunos que quiserem assistir um de lovable, mas claro, de TypeScript, de JavaScript, tudo isso tem lá formações gigantescas dentro da plataforma. Professor, a minha última pergunta aqui pra você vai ser meio de...

de brincadeira, mas de futurologia talvez, o que você acha, qual é uma métrica que está faltando nos papers da área, do machine learning aplicado à medicina ou radiologia, que você gostaria de ver em 2026? Essa eu tenho a resposta na ponta da língua, porque é uma dor há alguns meses.