Inspiradas na organização dos neurônios biológicos e no funcionamento do cérebro humano, as Redes Neurais são modelos de algoritmos que integram a área da Computação Natural. Esta área se baseia na observação de fenômenos naturais com o intuito de criar uma Inteligência Artificial.
Para compreender essa relação entre redes neurais artificiais e biológicas, é importante se aprofundar no cérebro humano e entender como seus inúmeros processos podem inspirar o desenvolvimento de algoritmos mais avançados de Inteligência Artificial, resultando em soluções robustas e adaptáveis.
Um dos mais fascinantes órgãos do corpo humano, o cérebro faz parte do sistema nervoso central, é dotado de aproximadamente 86 bilhões de neurônios que processam e transmitem informações, comandando todas as funções do organismo e atuando como um verdadeiro núcleo de inteligência e aprendizagem.
Em um sistema de evolução contínua, que já dura milhões de anos, o cérebro consegue desenvolver mecanismos altamente eficientes para processar informações, aprender com experiências anteriores e adaptar-se a novas situações.
Estudar e adequar esses mecanismos do cérebro são imprescindíveis para o avanço da IA, principalmente, em áreas como machine learning e redes neurais artificiais. Isso porque este aprofundamento acaba fornecendo insights valiosos sobre princípios fundamentais, como plasticidade cerebral e aprendizagem.
Não resta dúvidas de que as redes neurais artificiais funcionam como o cérebro da tecnologia. Esta vertente da computação natural é, definitivamente uma das ferramentas mais poderosas e versáteis para a inteligência artificial. Por isso, vem sendo tão utilizada em diversos setores, inclusive, na área da saúde, graças a sua capacidade de aprender e resolver uma variedade de problemas complexos.
Redes Neurais e suas Camadas de Percepção
Dentro do conceito de Redes Neurais existe uma subvertente conhecida como Camadas de Percepção. Como a capacidade da inteligência humana não está baseada simplesmente em um neurônio, mas na conexão e orquestração de vários neurônios ao mesmo tempo, eles precisam ser organizados em camadas.
Inspirada no sistema nervoso biológico, uma rede neural artificial é, essencialmente, uma ferramenta computacional composta por unidades interconectadas, conhecidas como perceptrons ou neurônios artificiais, que também são organizadas em camadas. Este universo em camadas é responsável por processar e transformar dados de entrada com a finalidade de gerar saídas desejadas.
Em suma, as camadas de entrada são responsáveis por coletar as informações, as intermediárias, por realizar todo o processamento de dados, enquanto as camadas de saída fazem a parte de atuação.
Como a Biologix utiliza as Redes Neurais
A Biologix utiliza as redes neurais em seu algoritmo de detecção do ronco. Idealizada em 2017 e implantada em 2019, esta solução vinha sendo aproveitada exclusivamente no Exame do Sono. Este ano (2024), o parâmetro passou por mais uma evolução e houve o lançamento do Teste do Ronco, que, agora, pode ser realizado sem o uso do sensor Oxistar®.
Partindo do princípio das camadas de percepção, o aprendizado em uma rede neural é um processo iterativo que envolve a apresentação repetida de dados de treinamento à rede. Lembrando que redes neurais artificiaissão um conjunto de algoritmos matemáticos que conseguem aprender com base em características, identificando padrões em um grupo de dados e fazendo a classificação desses eventos.
Como a rede neural artificial passa por um processo de treinamento/aprendizagem muito semelhante ao de ensinar uma pessoa a classificar um objeto a partir de determinadas características, os processos pelos quais perpassam estes algoritmos são:
- Treino – momento em que a IA é ensinada a identificar os eventos a partir das características estabelecidas (no caso do ronco: volume, frequência, duração, etc).
- Teste – quando a IA é desafiada, com amostras inéditas, a aplicar os conhecimentos adquiridos na classificação correta dos eventos.
Sendo assim, o que foi feito na solução Biologix foi o fornecimento das características que melhor descrevem um ronco (som grave e periódico, com duração média de 0,6 a 2 segundos etc), seguido da apresentação de diferentes exemplos para uma rede neural. Ainda nesta etapa, foram utilizados áudios de 268 pacientes, gravados durante exames de polissonografia realizados no Laboratório do Sono do Instituto do Coração da FMUSP. Cada um dos áudios foi escutado por um avaliador humano, que classificou manualmente todos os sons encontrados em dois tipos de evento (“ronco” ou “ruído”).
Na sequência, exemplos previamente classificados e características de interesse foram fornecidos à rede neural, dando início ao seu processo de treinamento e aprendizagem. Lembrando que, nesta metodologia, um peso é calculado para cada atributo, logo, aqueles que conseguem melhorar o desempenho têm o peso aumentado.
Na etapa seguinte, a rede neural foi desafiada com amostras inéditas, para que pudesse aplicar os conhecimentos adquiridos na classificação correta dos eventos sonoros. Ao concluir todo este processo, a performance da ferramenta foi avaliada segundo diferentes critérios estatísticos:
- Acurácia
- Sensibilidade
- Especificidade
Vale destacar que, quanto melhores forem estas métricas, mais confiável é a classificação da rede neural e vice-versa.
Na solução Biologix, a ferramenta implementada já foi submetida a diversos testes e aprimoramentos, realizados por uma equipe exclusivamente dedicada à pesquisa e inovação. Atualmente, depois de algumas versões, a precisão na identificação e classificação de roncos é de 92%, resultado que culminou em duas validações científicas, publicadas na Clinics (11/2020) e Scientific Reports – Nature (09/2022).
É importante ressaltar que, por ser um processo totalmente automatizado, a privacidade dos áudios é garantida para quem realiza o Exame do Sono Biologix®. Somente o médico responsável e o próprio paciente têm acesso aos dados.
Pesquisar nesta área