Catarina Barata, docente do Departamento de Engenharia Eletrotécnica e de Computadores (DEEC) e investigadora no Instituto de Sistemas e Robótica (ISR), foi recentemente nomeada Scholar, pela ELLIS – European Laboratory for Learning and Intelligent Systems, no âmbito do programa que tem como objetivo criar uma comunidade científica avançada, focada em inteligência artificial e aprendizagem automática. "Foi uma honra muito grande porque o propósito da ELLIS é unir pessoas que, a nível de vários laboratórios europeus, trabalham nesta área de aprendizagem automática", refere, realçando o facto de que a avaliação, no seu caso, não poderia ser feita por investigadores portugueses ou que trabalhassem em Portugal, algo que constitui uma das dificuldades do processo. A investigadora integra também a equipa do Center for Responsible AI e do VisLab.

O seu interesse em engenharia eletrotécnica e de computadores iniciou-se durante o seu mestrado, em engenharia biomédica, quando se apercebeu da importância de obter conhecimento na área de sistemas, decisão e controlo para o desenvolvimento de ferramentas de AI que pudessem ser utilizadas em ambiente clínico.

Grande parte da minha investigação está focada na análise de dados que são produzidos na prática clínica.

Catarina Barata, docente do DEEC e investigadora no ISR

A sua investigação centra-se no processamento de imagens médicas (de TAC, ressonâncias magnéticas, análises patológicas e imagens imunohistoquímicas - que permitem conhecer a expressão proteica nas células dos pacientes), com o objetivo de, através de mecanismos de IA e machine learning, prever o diagnóstico e o prognóstico dos pacientes, mais especificamente de doentes oncológicos. Neste momento, a investigação incide sobre a análise de fotografias de sinais da pele que possam ser utilizadas para a deteção de tumores.

Durante este processo, é utilizado o modelo de redes neuronais, ou seja, um processo que funciona de forma semelhante ao cérebro humano: o sistema de IA recebe os dados- por exemplo de uma imagem médica - e converte-os em informação que pode ser associada a um diagnóstico. Os investigadores recorrem a vários tipos de aprendizagem automatizada, de forma a treinar a IA em diferentes contextos.

Em ambiente clínico destaca-se a necessidade da treinar o sistema através da aprendizagem fracamente supervisionada, onde não são fornecidos todos os dados necessários - por exemplo, num caso é dada a informação de que existe um tumor mas o sistema não conhece a sua localização. Por outro lado, os investigadores também recorrem à aprendizagem auto-superviosionada, onde são dadas tarefas ao sistema que não estão relacionadas com os objetivos clínicos - como o pedido de processamento de uma imagem que possa ser recuperada pelo sistema, de forma a que não seja perdida informação - e à aprendizagem contínua, onde é pretendido que o sistema continue a aprender com os dados que recebe após os especialistas o deixarem de treinar.

Onde os sistemas de IA são de facto, ou podem vir a ser, uma ajuda é como sistemas de 2.ª opinião [médica].

Catarina Barata, docente do DEEC e investigadora no ISR

Catarina destaca o principal objetivo da sua investigação é contribuir para a otimização dos processos clínicos, de forma a canalizar os recursos de uma forma mais eficiente, contando sempre com o trabalho de especialistas e não tendo em vista a substituição dos mesmos. A utilização de algoritmos de IA poderá vir a desempenhar um papel relevante na triagem de pacientes: após a realização de várias radiografias, espera-se que o sistema tenha a capacidade de identificar a presença de tumores e de classificar a sua gravidade, indicando aos médicos que casos devem ser tratados com mais urgência, algo que poderá vir a ter impacto no rastreio do cancro da mama. Em contrapartida, os médicos poderão também aumentar o seu conhecimento clínico através da interação com o sistema.

A IA poderá ser igualmente útil para obter uma representação dos pacientes, cruzando vários dados biológicos, de forma a estudar que terapias são mais adequadas de acordo com os mesmos. No entanto, uma das dificuldades que os investigadores enfrentam é a falta de dados que sejam capazes de representar todas as populações de pacientes, devido à existência de uma grande variedade genética e demográfica. Assim, um dos maiores desafios é aumentar o conhecimento clínico e desenvolver novos medicamentos, com o objetivo de, além de personalizar as terapias, reduzir as fases necessárias e os testes em seres vivos.

Há vários desafios. Um deles é que nunca vamos conseguir garantir que temos dados para cobrir tudo.

Catarina Barata, docente do DEEC e investigadora no ISR

A investigação conta com a colaboração de médicos, que contribuem com a partilha de dados e com a indicação de quais poderão ser mais relevantes, e com outros profissionais das áreas da bioquímica, que estudam o significado da expressão molecular. Catarina realça que atualmente, a investigação se direciona principalmente para o desenvolvimento de ferramentas direcionadas para os profissionais das áreas da saúde.

Catarina Barata realiza também investigação relacionada com procedimentos cirúrgicos, onde se pretende analisar as técnicas utilizadas pelo cirurgião e a sua relação com o prognóstico do paciente, assim como de que forma os resultados variam com o recurso ao mesmo procedimento.

Em conclusão, embora o estudo das utilizações da IA e das consequências das mesmas ainda seja uma questão em aberto, que está a ser regulamentada pela União Europeia, a investigadora acredita que estes mecanismos, de uma maneira geral, terão um impacto positivo, contribuindo para o conhecimento dos especialistas das diferentes áreas.