Tag: Aprendizado de máquina

Publicado em in Pesquisa de I.A., Software, tecnologia, Vox Leone

Tirando a Adivinhação do Cuidado Bucal – com Inteligência Artificial

Overjet – fundada por alunos do MIT – analisa e anota radiografias bucais para ajudar dentistas a oferecer cuidado mais abrangente

Zach Winn | MIT News Office

A Overjet, fundada por alunos do MIT, usa inteligência artificial para anotar radiografias para dentistas – Imagem: Cortesia de Overjet

Quando você imagina um radiologista em um hospital, pode ser que você pense em um especialista que se senta em uma câmara escura e passa horas examinando raios-X para fazer diagnósticos.

Compare essa imagem mental com seu dentista, que além de interpretar raios-X também tem que fazer cirurgias, gerenciar equipe, comunicar-se com pacientes e administrar seus negócios. Quando os dentistas analisam raios-X, eles o fazem em salas iluminadas e em computadores que não são especializados em radiologia, e geralmente com o paciente sentado ao lado deles.

Portanto não é surpresa que dentistas que analisam um mesmo raio X possam propor tratamentos diferentes. “Os dentistas fazem um ótimo trabalho, considerando todas as suas ocupações”, diz Wardah Inam SM, PhD. Inam é cofundadora da Overjet, uma empresa que usa inteligência artificial para analisar e anotar raios-X para dentistas e seguradoras.

A Overjet busca tirar a subjetividade das interpretações de raios-X para melhorar o atendimento ao paciente. “Trata-se de avançar para uma medicina mais precisa, onde temos os tratamentos certos na hora certa”, diz Inam, que cofundou a empresa com Alexander Jelicich. “É aí que a tecnologia pode ajudar. Uma vez que quantificamos a doença, podemos facilitar a recomendação do tratamento correto.”

Overjet foi aprovado pela Food and Drug Administration [EUA] para detectar e delinear cáries e quantificar os níveis ósseos como auxílio no diagnóstico da doença periodontal, uma infecção gengival comum, mas evitável, que causa a deterioração do maxilar e de outros tecidos que suportam os dentes. Além de ajudar os dentistas a detectar e tratar doenças, o software da Overjet também foi projetado para ajudar os dentistas a mostrar aos pacientes os problemas que estão vendo e explicar por que estão recomendando determinados tratamentos.

A empresa, que já analisou dezenas de milhões de raios-X, é usada por clínicas odontológicas em todos os Estados Unidos e atualmente está trabalhando com seguradoras que representam mais de 75 milhões de pacientes nos EUA. Inam espera que os dados que a Overjet está analisando possam ser usados para agilizar as operações e melhorar o atendimento aos pacientes. “Nossa missão na Overjet é melhorar a saúde bucal criando um futuro clinicamente preciso, eficiente e centrado no paciente”, diz Inam.

Foi uma jornada relâmpago para Inam, que não sabia nada sobre a indústria odontológica até que uma experiência desconcertante despertou seu interesse em 2018.

Chegando à raiz do problema

Inam veio para o MIT em 2010, primeiro para seu mestrado e depois seu doutorado em engenharia elétrica e ciência da computação, e diz que pegou o vírus do empreendedorismo desde cedo. “Para mim, o MIT era uma área livre à experimentação, onde você podia aprender coisas diferentes e descobrir o que você gosta e o que você não gosta”, diz Inam. “Além disso, se você está curioso sobre um problema, pode realmente mergulhar nele.”

Enquanto fazia aulas de empreendedorismo na Sloan School of Management, Inam acabou iniciando uma série de novos empreendimentos com colegas de classe. “Eu não sabia que queria começar uma empresa quando vim para o MIT”, diz Inam. “Eu sabia que queria resolver problemas importantes. Passei por essa jornada de decidir entre a academia e a indústria, mas gosto de ver as coisas acontecerem mais rápido e gosto de causar impacto na minha vida, e foi isso que me atraiu para o empreendedorismo.”

Durante seu pós-doutorado no Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL), Inam e um grupo de pesquisadores aplicaram aprendizado de máquina a sinais wireless para criar sensores biomédicos que pudessem rastrear os movimentos de uma pessoa, detectar quedas e monitorar a frequência respiratória.

Ela não tinha interesse pela odontologia até depois de deixar o MIT, quando teve que mudar de dentista e recebeu um plano de tratamento totalmente novo. Confusa com a mudança, ela pegou seus raios-X e pediu a outros dentistas para dar uma olhada, apenas para receber mais variações nas recomendações de diagnóstico e tratamento.

Nesse ponto, Inam decidiu mergulhar na odontologia por conta própria, lendo livros sobre o assunto, assistindo a vídeos no YouTube e, eventualmente, entrevistando dentistas. Antes que ela percebesse ela estava gastando mais tempo estudando sobre odontologia do que em seu trabalho.

Na mesma semana em que Inam deixou o emprego, ela soube da competição Hacking Medicine do MIT e decidiu participar. Foi aí que ela começou a construir sua equipe e a fazer conexões. O primeiro financiamento da Overjet veio do grupo de investimentos afiliado ao Media Lab, o E14 Fund.

“O fundo E14 fez o primeiro cheque, e acho que não teríamos chegado a existir se não fosse por eles nos dando uma chance”, diz ela. Inam aprendeu que um grande motivo para a variação nas recomendações de tratamento entre os dentistas é o grande número de opções potenciais de tratamento para cada doença. Uma cárie, por exemplo, pode ser tratada com uma restauração, uma coroa, um canal radicular, uma ponte, e assim por diante.

Quando se trata de doença periodontal, os dentistas devem fazer avaliações milimétricas para determinar a gravidade e a progressão da doença. A extensão e progressão da doença determina o melhor tratamento. “Eu senti que a tecnologia poderia desempenhar um grande papel não apenas para melhorar o diagnóstico, mas também para comunicar com os pacientes de forma mais eficaz, para que eles entendam e não precisem passar pelo processo confuso que fiz de me perguntar quem está com a razão”, diz Inam.

A Overjet começou como uma ferramenta para ajudar as seguradoras a otimizar os sinistros odontológicos antes de começar a integrar sua ferramenta diretamente nas clínicas odontológicas. Todos os dias, algumas das maiores organizações odontológicas do país estão usando Overjet, incluindo Guardian Insurance, Delta Dental, Dental Care Alliance e Jefferson Dental and Orthodontics.

Hoje, à medida que um raio-X odontológico é importado para um computador, o software da Overjet analisa e anota as imagens automaticamente. No momento em que a imagem aparece na tela o sistema tem informações sobre o tipo de raio-X tirado, como os dentes podem ser afetados, o nível exato de perda óssea, anotando com sobreposições de cores, indicando a localização e gravidade das cáries e muito mais. A análise efetuada fornece aos dentistas mais informações para informar os pacientes sobre as opções de tratamento.

O software da Overjet analisa e anota radiografias bucais automaticamente em tempo quase real, oferecendo informações sobre o tipo de radiografia tirada, como um dente pode ser afetado, o nível exato de perda óssea, com sobreposições de cores, a localização e gravidade das cáries, e mais. (clique para abrir a imagem no tamanho original) – Imagem: Cortesia de Overjet

“Agora, o dentista ou higienista só precisa sintetizar essas informações e usar as ferramentas incluídas no software para se comunicar com você”, diz Inam. “Aí então, ele vai te mostrar as radiografias com as anotações do Overjet e dizer: ‘Você tem 4 milímetros de perda óssea e está no vermelho; isso é mais do que os 3 milímetros que você tinha da última vez, então vou recomendar o tratamento x, y, z.” O Overjet também incorpora informações históricas sobre cada paciente, rastreando a perda óssea em cada dente e ajudando os dentistas a detectar casos em que a doença está progredindo mais rapidamente.

“Vimos casos em que um paciente com câncer com xerostomia pode ir do nada para algo extremamente ruim nos seis meses entre as visitas. Esses pacientes devem ir ao dentista com mais frequência”, diz Inam. “Trata-se de usar dados para mudar a forma como praticamos o atendimento, planejamos o tratamento e oferecemos serviços para diferentes tipos de pacientes.”

O sistema operacional da odontologia

A FDA autorizou a Overjet a operar em duas doenças altamente prevalentes. A autorização também coloca a empresa em posição de conduzir análises em nível de setor e ajudar as clínicas a se compararem com seus pares. “Usamos a mesma tecnologia para ajudar as clínicas a entender o seu desempenho e melhorar as operações”, diz Inam. “Podemos olhar para cada paciente em cada clínica e identificar como elas podem usar o software para melhorar os cuidados que estão fornecendo.”

Seguindo em frente, Inam vê a Overjet desempenhando um papel fundamental em praticamente todos os aspectos das operações odontológicas. “Estas radiografias foram digitalizadas há bastante tempo, mas nunca foram usadas porque os computadores não conseguiam lê-las”, diz Inam. “A Overjet está transformando dados não estruturados em dados que se pode analisar.

No momento, estamos construindo a infraestrutura básica. Eventualmente, queremos expandir a plataforma para melhorar qualquer serviço que uma clínica possa fornecer, basicamente nos tornando o sistema operacional da clínica para ajudá-las a fazer seu trabalho de forma mais eficaz.”

Republicado com a permissão de MIT News – https://news.mit.edu/

Tradução: Eraldo. B. Marques

~ o ~

Nota de VoxL: Tenho uma longa história de colaboração com odontólogos e radiologistas, em vários projetos. Nos últimos anos tenho me capacitado no campo do Aprendizado de Máquina (AI) e me preparo para oferecer serviços como o descrito no artigo — começando ainda em 2022, espero. Estamos trabalhando nos detalhes do fluxo de trabalho.

Alguns meses atrás eu fiz um post explorando o tema da visão de computador (VC) [link], enfocando de forma prática a análise facial.

Desejamos boa sorte à Overjet no marcado brasileiro, mas aviso que seremos concorrentes [Hey, há um lugar para todos sob o Sol!].

Publicado em in e-commerce, Internet, Pesquisa de I.A., tecnologia

Algo Prático: Um Provador Virtual para o Varejo de Confecções

Hoje vou me despir [trocadilho intencional] da pretensão intelectual- acadêmica para enfocar um assunto prático sobre desenvolvimento de sistemas.

Eu tenho grande interesse no mercado de confecções e moda, em geral. Talvez pelo fato de ter uma clientela no setor, além de amigos e familiares envolvidos no negócio. Nosso estúdio de software já teve a oportunidade de criar inovações importantes para nossos clientes do setor de confecções, sempre com foco na interação e responsividade. Por essa razão, achei que seria interessante falar neste post sobre o sistema Revery AI. Queremos nos colocar como fornecedores dessa classe de tecnologia para o mercado brasileiro, empregando nossa expertise em manipulação de imagens, sistemas de aprendizado de máquina (AI) e soluções 3D.

Imagem: iStock

O aumento repentino das compras online por conta da pandemia de Covid-19 impôs desafios significativos aos varejistas de confecções. A incapacidade física de experimentar e visualizar as roupas tornou as compras menos interativas, contribuindo para baixas taxas de conversão e altas taxas de devolução, em comparação com as compras tradicionais. Os provadores virtuais como o que discutimos aqui tornam-se alternativas viáveis, nestes tempos infecciosos, para recriar, em certa medida, a experiência perdida de provar roupas pessoalmente. Existem muitas empresas desenvolvendo um provador virtual [inclusive a nossa]. O grande problema para sua implementação é a escalabilidade.

Os sites de comércio eletrônico de confecções têm milhares, senão milhões de items em estoque – que chamaremos de Unidade(s) de Manutenção de Estoque (UME). Atualmente, o fluxo de trabalho para edição de conteúdo dos sites que vendem para esse segmento geralmente requer trabalho gráfico personalizado em software como o Photoshop e/ou software modelador em 3D, que são caros e requerem mão-de-obra especializada. Em contraste, o Revery AI aproveita a pesquisa de aprendizado de máquina [Machine Learning] para automatizar todo esse processo, resultando no primeiro provador virtual escalável que pode ser facilmente integrado a qualquer grande plataforma de e-commerce com milhões de UMEs.

Aprendizado de Máquina

Em vez de uma produção gráfica elaborada, em 3D, o sistema trabalha com imagens básicas. O objetivo é produzir visualizações precisas e realistas de roupas vestindo pessoas. Uma solução comum [e ingênua] para atualizar o conteúdo do site com novos items seria simplesmente copiar e colar a peça no modelo. Mas isso apresenta dois problemas.

1) Se as poses e maneirismos do modelo-roupa forem incompatíveis, o copiar-colar não funcionará.

2) Mesmo com poses ideais, copiar e colar não leva em consideração as interações peça-peça, peça-peça-modelo e também ignora a iluminação, as sombras, etc.

Este sistema usa o aprendizado de máquina profundo [deep learning] para superar esses problemas. Para o problema 1), o Revery AI usa uma série de distorções, para deformar a imagem da roupa em uma forma aproximada à do corpo fazendo a pose apropriada. Isso difere das abordagens comuns de baixa tecnologia, que normalmente usam apenas uma única e limitada deformação/transformação de imagem.

Para o problema 2), o sistema se baseia em um gerador de imagem que recebe as entradas relevantes (a imagem do modelo, imagem da roupa, pose, etc.) e retorna uma imagem realista de uma figura humana vestindo a roupa. O sistema produz melhorias significativas no tamanho, ajuste e caimento, em comparação com as técnicas costumeiras de baixa tecnologia, permitindo criar imagens realistas de qualquer modelo usando qualquer combinação de roupas. Para os interessados em detalhes técnicos adicionais, este link leva ao artigo original da pesquisa no site de pré-impressões Arxiv >> https://arxiv.org/abs/2003.10817

Tela do Revery AI. O usuário seleciona a peça à direita e o software a renderiza no modelo virtual à esquerda. Note que o software faz os ajustes e transformações na peça para se adaptar realisticamente ao modelo. A peça foi fotografada normalmente em superfície plana.

A abordagem de exibição de produtos e venda online adotada pelo Revery AI torna a integração com os varejistas muito mais fácil, porque requer apenas uma única imagem da peça de roupa em um fundo de cor uniforme. Todo o resto é integrado e resolvido pelo software. A equipe do Revery processa em torno de um milhão de imagens por semana. Em seguida, trabalha com o varejista para criar um ‘widget’ que possa ser facilmente integrado ao site da loja. A simplicidade desta solução significa que os clientes podem ter um provador virtual montado em poucos dias.

O sistema já se integra com sucesso a vários varejistas de alto perfil no e-commerce de moda. Pesquisas com os clientes mostram que o provador virtual melhorou o engajamento médio dos usuários em 500% e, mais importante, proporcionou um aumento na taxa de conversão da venda também de 500%. Além disso, os resultados mostram aumentos no valor médio dos pedidos e diminuições nas taxas de devolução. Essa solução também atende vários casos de uso que vão além do provador virtual. Como a geração e manipulação de imagens está no centro do negócio, os clientes também têm interesse em usar o sistema para gerar imagens de sessões de fotos “in store”, para economizar nas despesas com os vários tipos de serviços fotográficos que utilizam.

Embora a experimentação virtual baseada em imagens seja um campo de pesquisa ativo na academia, a transição da pesquisa para o produto não é trivial. Gerar imagens realistas e precisas de pessoas e roupas em alta fidelidade é mais difícil do que parece. Quaisquer imprecisões são simplesmente inaceitáveis ​​para os clientes. A start-up demorou um ano para obter resultados satisfatórios.

Neste ponto, percebemos que esse exercício aparentemente acadêmico pode realmente ser uma ferramenta que usuários reais desejam usar. É uma grande inovação, capaz de trazer movimento para esse mercado tão significativo para a economia brasileira, especialmente neste momento de crescimento das compras online.

Nosso estúdio [Vox Leone] se mantém sempre atualizado sobre essa linha de pesquisa, que acompanhamos de perto há quase duas décadas. Se você quiser saber mais sobre o sistema, ou experimentar a tecnologia em seu site ou plataforma, entre em contato. Esta é uma das nossas linhas de trabalho favoritas.

Uma demonstração ao vivo pode ser vista e experimentada [em inglês] neste link: https://revery.ai/demo.html