Ilman Shazhaev é co-fundador e CEO da Acoustery, uma empresa de tecnologia da saúde que desenvolve tecnologia de IA para o reconhecimento precoce de doenças respiratórias.
O que inicialmente o atraiu para ciência da computação e engenharia?
A quantidade de dados disponíveis hoje é mais extensa do que nunca, e a tecnologia de IA — que é muito dependente de dados — fez um tremendo progresso nos últimos anos. É por isso que fazer pesquisas nesse campo é tão empolgante.
No momento, estou focado em projetos de Big Data. Durante a COVID-19, fui cofundador da Acoustery: uma solução totalmente automatizada baseada em IA para monitorar a saúde de uma pessoa com base na análise de sua voz, tosse e respiração.
O próximo passo foi combinar a pesquisa em saúde e jogos. Por que? A quantidade de dados que esse setor gera é única; além do mais, os jogadores são os primeiros a adotar, prontos para compartilhar seus dados e contribuir para o progresso científico. Ao mesmo tempo, o número de ensaios clínicos em andamento é baixo, o progresso é lento e o setor de jogos permite um processamento de dados muito mais dinâmico.
Você poderia elaborar a história da gênese por trás do Acoustery ?
Como mencionei antes, o Acoustery foi iniciado durante a pandemia. Embora as oportunidades de negócios em 2020 fossem relativamente limitadas, eu estava hospedado em Dubai, um dos poucos locais onde um projeto poderia operar sem limitações superestritas.
Meu cofundador Dr.Dmitry Mikhaylov, professor da a National University of Singapore, e comecei um novo desafio: a detecção em estágio inicial do COVID-19. Na época, os Emirados Árabes Unidos estavam explorando massivamente tecnologias de diagnóstico precoce e apoiando amplamente projetos de IA.
Graças a isso, tivemos acesso a uma das melhores instalações de testes nos Emirados Árabes Unidos: o hospital militar Sheikh Zayed, onde tínhamos dados de centenas de pacientes com COVID-19 para treinar nosso mecanismo de IA.
No estágio seguinte, os testes mostraram que nossa tecnologia era muito precisa e tinha grande potencial. Os pesquisadores publicaram seus resultados nos jornais de primeira linha no Japão e nos EUA, e nosso método de teste foi usado em vários países asiáticos durante pandemias como uma ferramenta de emergência.
Quando o COVID-19 acabou, nos concentramos na detecção de asma usando a mesma abordagem. A Universidade de Sharjah, que atualmente lidera a pesquisa nos Emirados Árabes Unidos, aprovou esses testes.
Para COVID-19, qual é a precisão desse sistema em comparação com PCR, LFT e testes de anticorpos?
O valor preditivo positivo do Acoustery no contexto da triagem comunitária para COVID-19 é relativamente alto (81%) em comparação com o Xpert MTB/RIF, um novo teste que está revolucionando a detecção e controle da tuberculose por contribuindo para o diagnóstico rápido da doença (61%) e swabs de garganta por PCR (71%).
Nossas descobertas mostraram que o software desenvolvido pela Acoustery pode ser usado como uma ferramenta primária de triagem não laboratorial para detectar casos de COVID-19 e encaminhar pacientes para laboratórios para testes de PCR.
Você poderia nos contar mais sobre o aprendizado de máquina usado para treinar a IA?
Assumimos que, para obter uma taxa de detecção precisa do COVID-19, poderíamos treinar redes convolucionais e recorrentes para diagnosticar a doença analisando os espectrogramas de tosse e respiração dos pacientes. Um espectrograma é uma forma visual de representar a força do sinal em várias frequências. Uma série de estudos médicos mostraram diferenças significativas entre a tosse de pacientes que tiveram COVID e aqueles que não tiveram, então treinamos nosso mecanismo de IA para reconhecer essas diferenças.
Os desenvolvimentos da acústica podem ser usados para diagnosticar Alzheimer, que é comumente percebido como um distúrbio neurológico. Como exatamente isso funciona?
Nosso estudo explora como as medidas de fala podem estar ligadas a perfis de linguagem em participantes com doença de Alzheimer (DA) e como esses perfis podem distinguir a DA de alterações associadas ao envelhecimento normal. Para conseguir isso, nossa IA analisa frases simples pronunciadas por idosos com e sem DA, desde a porcentagem e o número de quebras de voz até o shimmer (quociente de perturbação de amplitude) e a relação entre ruído e harmônicos. A precisão dessa análise chega a 90%.
Posteriormente, usamos a mesma abordagem no Farcana Labs – um empreendimento focado em coletar Big Data gerado por jogadores para pesquisar a progressão de doenças, especialmente com transtornos mentais.
Que outras doenças podem ser diagnosticadas usando esse método?
A asma é nossa principal prioridade agora. Tuberculose é outro foco, assim como doença pulmonar obstrutiva crônica (DPOC), fibrose pulmonar, pneumonia e câncer de pulmão.
Qual é o tamanho dos conjuntos de dados de treinamento para esses casos de uso?
Temos milhares de registros de tosse em nosso banco de dados coletados durante os últimos quatro anos.
Qual é a sua visão para o futuro do diagnóstico médico em geral?
strong>
Os dados coletados por dispositivos pessoais desempenharão um papel significativo no diagnóstico precoce de doenças e na prevenção de pandemias. Até os nossos telemóveis têm vários sensores: o microfone é apenas um deles. Acelerômetros que podem analisar habilidades motoras e detectar inúmeras doenças são outra opção.
Embora essas tecnologias não devam ser a única fonte de diagnóstico, elas podem ajudar significativamente a prever e prevenir a propagação de doenças respiratórias altamente infecciosas — e , consequentemente, novas pandemias. A acústica também pode ser usada em países em desenvolvimento onde o acesso ao teste de PCR é limitado.
Você parece ter vários projetos em andamento; quais são alguns outros casos de uso interessantes que você vê para IA?
O espaço de IA é único. Como pesquisadores de IA, focamos em nichos que geram big data, o que é necessário para qualquer pesquisa de IA. Precisamos de muitos pacientes para compilar conjuntos de dados de qualidade, por isso temos algumas pesquisas em paralelo e exploramos várias verticais de negócios.
Vemos os jogos como uma área em que uma grande quantidade de dados é gerada. Hoje, as pessoas jogam muitos videogames, o que é uma fonte valiosa de dados para pesquisas em saúde. A coleta de dados de dispositivos pessoais e vestíveis é outro vetor com potencial significativo.
Em suma, é empolgante explorar essa tecnologia agora e acredito que ela ainda tem muito mais potencial a ser aproveitado em outros setores.
Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Acustério.