Computação Federada Revoluciona o Uso de IA na Saúde

O uso crescente de inteligência artificial (IA) na saúde enfrenta um desafio significativo: a dispersão de dados entre hospitais, laboratórios e universidades. A computação federada surge como uma solução inovadora, onde as análises são realizadas localmente, nos ambientes onde os dados estão armazenados, ao invés de centralizá-los em uma única base. Com essa abordagem, as instituições podem colaborar sem perder o controle dos seus próprios prontuários e regras de acesso. "Em vez de mover os dados até a computação, procuramos levar a computação até os dados", afirma Ronaldo Pedro da Silva, fundador do ConvergeLab.

A computação federada permite dois tipos principais de interação: a análise federada, que executa consultas e algoritmos autorizados localmente, e o aprendizado federado, que treina modelos utilizando dados de origem. Essas modalidades são complementares e garantem conhecimento coletivo a partir de bases distribuídas. Esse modelo é especialmente valioso em ambientes onde os dados são sujeitos a restrições de privacidade e segurança, permitindo que as instituições conduzam análises em conjunto enquanto mantêm seus dados sob custódia própria.

No contexto brasileiro, iniciativas como a Rede Nacional de Dados em Saúde (RNDS) e a Nuvem Soberana do SUS podem se beneficiar dessa abordagem. "Vejo a RNDS e a Nuvem Soberana do SUS como infraestruturas que podem reduzir muito a complexidade de uma rede federada de saúde no Brasil", destaca Silva. As possibilidades incluem, por exemplo, oferecer uma plataforma para a análise conjunta de dados sobre a jornada de pacientes com câncer, onde cada unidade pode compartilhar resultados sem transferir os dados clínicos para um sistema central.

No entanto, a implementação de uma rede federada não é apenas uma questão técnica; ela demanda estabelecimentos de governança e regras de acesso comuns. Para que as instituições operem em conjunto de forma eficiente, necessitam não apenas de infraestrutura adequada, mas também de um acordo sobre como as operações e modelos serão coordenados. Isso envolve definir responsabilidades e critérios para medir os resultados gerados pela IA, o que é fundamental para garantir a segurança e a eficácia nas colaborações.

Com informações de Canaltech.