Texto I

Disponível em: <https://moisescartuns.files.worpress.com/2022/02/celula-tronco-1.jpg>. Acesso em: 30 ago. 2022.

Texto II

[…] Em termos práticos, podemos afirmar que células-tronco são células que têm o potencial de recompor tecidos danificados e, assim, auxiliar no tratamento de doenças como câncer, mal de Parkinson, mal de Alzheimer e doenças degenerativas e cardíacas. […] Basicamente, existem dois tipos de células-tronco. Há aquelas que são extraídas de tecidos maduros, como o cordão umbilical ou a medula óssea, os quais são mais especializados e dão origem a apenas alguns tipos de tecidos do corpo. As pesquisas realizadas com o uso dessas células têm demonstrado a sua eficácia no tratamento de diversas doenças, a exemplo da leucemia, doenças cardíacas e doenças hematológicas. As células-tronco embrionárias, por sua vez, apresentam a capacidade de formar qualquer tecido do corpo. Está sendo pesquisado, em todo o mundo, o potencial dessas células para o tratamento de diversas doenças graves como, câncer, diabetes, doenças genéticas, lesões de medula espinhal, demências, doenças autoimunes, dentre outras. Com a aprovação da Lei de Biossegurança, a realização de pesquisas com células-tronco embrionárias passa a ser permitida no Brasil, todavia, a lei estabelece algumas restrições para pesquisas com células-tronco embrionárias, como: […] os embriões precisam estar congelados há pelo menos três anos; só podem ser usados por meio de consentimento dos genitores; não será permitido o comércio de embriões, nem sua produção e manipulação genética e, ainda, são proibidas as clonagens terapêuticas, para aplicação em pesquisas e a reprodutiva. As terapias com o uso de células-tronco ainda estão em fase de pesquisa, podendo ser aplicadas somente de forma experimental por pesquisadores cujo projeto de pesquisa tenha sido aprovado previamente nos Comitês de Ética em Pesquisa (CEPs).

Disponível em: <https://bvsms.saude.gov.br/celulas-tronco/>. Acesso em: 27 ago. 2022.

Texto III

Disponível em: <https://moisescartuns.files.worpress.com/2022/02/>. Acesso em: 30 ago. 2022.

EXPERIÊNCIAS EM INTELIGÊNCIA ARTIFICIAL EM SAÚDE

Em trabalho recente, Mukherjee (2010) relata a experiência de Sebastian Thrun, da Universidade de Stanford, que armazena, numa rede neural de computação, 130 mil imagens de lesões da pele classificadas por dermatologistas. O sistema usa algoritmos que reconhecem imagens e suas características (pattern recognition). Em junho de 2015, Thrun e equipe começaram a validar o sistema usando um conjunto de 14 mil imagens que haviam sido diagnosticadas por dermatologistas, solicitando que o sistema reconhecesse três tipos de lesão: benignas, malignas e crescimentos não cancerosos. O sistema acertou 72% das vezes, comparado com um acerto de 66% obtido por dermatologistas qualificados. A experiência de Thrun foi ampliada para incluir 25 dermatologistas e uma amostra de 2 mil casos biopsiados. A máquina continuou sendo mais acurada. O desafio é diagnosticar e intervir precocemente. O reconhecimento de imagens feito por Inteligência Artificial (IA) poderia obviar esse desafio pelo reconhecimento de pequenos detalhes indicando áreas suspeitas em cortes de CT que poderiam passar despercebidas. O computador pode acertar o knowwhat, mas o médico, conversando com seu paciente, explica o know-why, ou seja, não explica o porquê nem alivia a angústia do paciente. [Adaptado].

Fonte: LOBO, Luiz Carlos. Inteligência Artificial e Medicina. Rev. bras. educ. med., 41 (2), abr./jun. 2017. Disponível em: <https://doi.org/10.1590/1981-52712015v41n2esp>. Acesso em: 25 ago. 2022. (Adaptado).

EXPERIÊNCIAS EM INTELIGÊNCIA ARTIFICIAL EM SAÚDE

Em trabalho recente, Mukherjee (2010) relata a experiência de Sebastian Thrun, da Universidade de Stanford, que armazena, numa rede neural de computação, 130 mil imagens de lesões da pele classificadas por dermatologistas. O sistema usa algoritmos que reconhecem imagens e suas características (pattern recognition). Em junho de 2015, Thrun e equipe começaram a validar o sistema usando um conjunto de 14 mil imagens que haviam sido diagnosticadas por dermatologistas, solicitando que o sistema reconhecesse três tipos de lesão: benignas, malignas e crescimentos não cancerosos. O sistema acertou 72% das vezes, comparado com um acerto de 66% obtido por dermatologistas qualificados. A experiência de Thrun foi ampliada para incluir 25 dermatologistas e uma amostra de 2 mil casos biopsiados. A máquina continuou sendo mais acurada. O desafio é diagnosticar e intervir precocemente. O reconhecimento de imagens feito por Inteligência Artificial (IA) poderia obviar esse desafio pelo reconhecimento de pequenos detalhes indicando áreas suspeitas em cortes de CT que poderiam passar despercebidas. O computador pode acertar o knowwhat, mas o médico, conversando com seu paciente, explica o know-why, ou seja, não explica o porquê nem alivia a angústia do paciente. [Adaptado].

Fonte: LOBO, Luiz Carlos. Inteligência Artificial e Medicina. Rev. bras. educ. med., 41 (2), abr./jun. 2017. Disponível em: <https://doi.org/10.1590/1981-52712015v41n2esp>. Acesso em: 25 ago. 2022. (Adaptado).