Introdução
Neste episódio, conversamos com Gabriela Baez, líder do Centro de Capacidade de Inovação da Takeda. Com uma estratégia em transformação digital e ciência de dados, Gabriela compartilha suas estratégias sobre IA na indústria da saúde, a importância de uma boa cultura de dados e a necessidade de “requalificação”. Neste episódio, abordamos esses temas:
- O papel da IA na transformação da indústria da saúde
- A importância de uma boa cultura de dados para a IA
- Necessidade de “requalificação” em produtores e consumidores de IA
- Estrutura de priorização para projetos de IA
- Combinação de tecnologias para transformação digital
- Início da transformação digital a partir do interior da organização
- O papel da nuvem na potencialização do processamento de IA
Conclusões
- Gabriela Baez destaca a importância da digitalização, dos dados e da análise na transformação da indústria da saúde. Releva o papel da inteligência artificial (IA) como uma ferramenta chave nessa transformação.
- Gabriela sinaliza que uma cultura forte de dados e modelos bem treinados são essenciais para implementar com sucesso a IA nas organizações.
- Gabriela mencionou a necessidade de “requalificação” ou reciclagem de habilidades tanto para os produtores quanto para os consumidores de IA. A educação e a formação são fundamentais para isso.
- Gabriela propõe uma estrutura de priorização para projetos de IA: classificar os problemas por sua importância e compará-los com a disponibilidade e a qualidade dos dados.
- Gabriela enfatiza que a combinação de diferentes tecnologias e abordagens pode fazer com que a transformação digital seja exponencial. A nuvem, por exemplo, pode potencializar o processamento da IA.
- Sugira que a transformação digital deve começar de dentro da organização, refinando as habilidades e capacidades internas antes de se expandir.
Transcripción
Laura Velasquez, heróis da IA
Para você, o que é IA ou inteligência artificial? Como em uma frase, não tem que ser tão estruturada. O que você pensa quando falamos sobre esse tipo de coisa?
Gabriela Baez, Takeda
Não, você pode acreditar que você tem que ver muito com modelos muito educados e uma boa cultura de dados na organização das empresas. Eu acho que si tienes esos dois, tienes, como se isso fosse uma receita de cozinha, tienes las ferramentas y los elementos perfectos para poder falar de inteligência artificial. Se não, o que você tem são pilotos isolados, você tem forças de integração, tem algoritmos que você está treinando, mas não tem um verdadeiro programa de inteligência artificial. Então eu te diria que é uma combinação de um bom processo de treinamento e uma boa cultura de dados no interior das organizações.
Laura Velasquez, heróis da IA
Olá a todos e bem-vindos ao AI Heroes, um espaço onde descobrimos as infinitas formas em que a tecnologia e a inteligência artificial estão transformando o futuro da saúde. Isso é feito por meio de conversas com pessoas incríveis desse setor. Sou Laura Velázquez, cofundadora da Arcángel AI e sou sua anfitriã. Vamos com o episódio. Bem, Gabriela é uma mulher incrível, tem mais de 20 anos de experiência em processos de transformação digital, trabalhou nos Estados Unidos, no Reino Unido e na América Latina, implementando plataformas de dados, modelos de análise avançados e levando a cabo muitos programas de inovação com tecnologias emergentes em diferentes indústrias, desde a financeira como vice-presidente da Mastercard, vice-presidente de transformação digital da Aeroméxico e passando também por consultores e agora é a primeira vez que está em um setor como a saúde. como líder em inovação da Taqueda, o que o tornou incrivelmente valioso porque, com poucos meses de trabalho, transformou diretamente a forma em que estão levando os centros de inovação para a Taqueda globalmente. Y yo siempre he creído que tener esse conhecimento de indústrias que van mucho más avanzadas, en industrias en las cuales no tanto como lo es la salud, pues trae como una mirada completamente diferente. a lo que hoy estamos acostumbrados en salud. Como foi essa experiência?
Gabriela Baez, Takeda
Ha been muy gratificante, has been un proceso continuo de learnaje y te surprendería saber que cuando te ves a ti mismo como industria, independientemente de quál seas, siempre te parece que não estás en la punta, siempre te parece que hay otras cosas y entonces eso eso para mí lo que dice es que hay pockets, entonces o caminho da transformação digital acredita que tem muitos elementos em comum por meio das indústrias. Acho que você pode ir tão detalhadamente quanto possível, de acordo com cada caso, mas invariavelmente você encontrará muitos elementos que estão além do tecnológico. Você vai encontrar aspectos humanos, yo te diría en su mayoría, que vão desde el mindset, la forma de trabajar, y luego la manera en la que usas la comunicación eficazmente para traer a bordo ou... al resto da organização. Además, tienes otros aspectos que tienen que ver con la velocidad y ciertamente las pressiones competitivas en cada industria a veces te empujan a ser más ou menos veloz. Ou seja, um modelo não sabe se está em uma indústria ou em outra, o que você sabe é quem está programando.
Laura Velasquez, heróis da IA
O que você diz é muito interessante e eu gostaria de aprofundar. Porque então, o que faz com que uma indústria vá mais rápido do que outra? Porque eu adoro esse componente que mencionas, que não se trata de tecnologia nem siquiera, se trata muito como essas habilidades sociais que temos como equipe, como cultura, como pessoas dentro de cada área. Então, o que fazer em que há maior adoção ou integração dessas tecnologias, da soma dessas culturas, e que há muito mais avanço em algumas indústrias do que em outras? E como isso é aplicado à indústria farmacêutica, particularmente à indústria da saúde? Do seu olhar, como você vê isso?
Gabriela Baez, Takeda
Eu acho que há um fator que é muito importante nas experiências que eu tive e é que tão globalizada é uma organização ou uma indústria, porque isso permite que sean mais como vasos comunicantes, não? Como hay una parte de la organización que ya hizo un piloto o que se animó y le fue bien o se animó y le fue mal, se compartien esos aprendizajes y las organizaciones evolucionan con una mayor certeza. porque tienen visibilidad de lo que fue mal y de lo que fue bien, y entonces van tracando su camino. Se houver um aumento de novos tipos de concorrentes em sua indústria ou arredores, isso o coloca em uma situação de alerta, que estão encontrando outro tipo de concorrentes que você talvez não esteja encontrando, e começa a dar a celeridad ao processo de transformação. E o último, que é algo que me preocupa, particularmente neste momento no que estou, é o tema das capacidades dos equipamentos. Se você tiver as habilidades necessárias em seus equipamentos, poderá avançar mais profundamente em suas iniciativas de transformação. Mas se houver uma habilidade que ainda não está muito desenvolvida, você pode garantir que seus equipamentos adquiram essa habilidade. E aí, você pode ir para a inteligência artificial. Não é algo relativamente novo, e digo relativamente novo porque se você leva um rato vendo todos os temas de dados e análises, você pode saber que temos, você pode... mais de uma década, não? Falando sobre a qualidade do dado, falando das migrações estruturadas em um ambiente de nuvem para poder ter mais poder de processamento, falando de modelos preditivos, prescritivos e aprendizado de máquina. E a inteligência artificial é como uma versão avançada disso, mas não aparece de nada, não é? Aparece como uma sequência de atividades e capacidades que vieram crescendo simplesmente agora, pues, se hicieron más... más democráticas, não? Eles eram muito comuns e muito fáceis de usar. Do ano passado para cá, marcas diferentes, e por isso saltaram para a vista de muitos, não? Pero creo que es un proceso que hemos venido viviendo hace tiempo y tenemos que hacer un reskills adequado, tanto de los productores de inteligência artificial como de los consumidores de inteligência artificial.
Laura Velasquez, heróis da IA
Ven, aqui falo de um conceito que para mim é fundamental e que me pareceu essa ideia e agora como eu não posso parar. Você mencionou que o conceito de poder educar os equipamentos ao redor dessas novas tecnologias é crucial. Porque para ir muito mais rápido, para entender onde está a oportunidade, como você está fazendo isso na indústria da saúde? Porque hay algo que yo he visto. transversal a toda Latinoamérica é que la falta de educación alrededor de inteligência artificial es altísima yo ya lo he dicho en otros podcasts pero la región más atrasada en el planeta alrededor de ya hay es Latinoamérica y esto hace que sea un reto para todas las industrias, mas particularmente para salud vuelve más retador donde hay tema regulatorio donde pues es es una industria mucho más robusta compleja y no lo diría antigua, pero que tiene muchas barreras alrededor de, pues, ¿cómo haces tú para eso? ¿Cómo haces tú para decirle a los equipos, venga, aquí hay que mirar cómo los educas para que esse processo seja muito mais eficiente e muito mais fácil?
Gabriela Baez, Takeda
Deixe-me separar o problema em diferentes componentes e vou começar pela última parte da sua frase, que é a consciência. Infelizmente, temos tenido que fazer menos campanha de conscientização para inteligência artificial porque é tanto o que se está dizendo nos ambientes públicos que los colegas mismos vienen y te fazem a pergunta, ¿não? O que estamos fazendo em inteligência artificial? Então é interessante, não é? Porque tal vez de outras tecnologias não tinham ninguém que não era tecnólogo se perguntasse o que estamos fazendo essa tecnologia porque o veículo está muito vazio. Y entonces se empiezan a abrir, se bifurcan, se bifurcan los caminos, como dijera Borges. E entonces tienes allí retos distintos, não? En el tema de re-skilling de los que van a generar los modelos, pues tienes que... ayudar a que tengan espacios donde puedan pilotear y, no quiero decir jugar, pero sí experimentar con sus modelos. Então você tem que criar esses espaços onde nossos dados científicos começam a fazer isso. E eu acho que algo que ajuda muito é priorizar. Porque há muitas áreas de impacto para a inteligência artificial. No caso da indústria farmacêutica, pode não ser apenas a investigação, mas coisas que sucedem ao longo da cadeia de valor. O sea, pueden ser retos de cadena de suministro, pueden ser retos de mercadotecnia, pueden ser retos de gestión de contenidos, pueden ser retos evidentemente de pesquisa e desenvolvimento. No mar, há muitos âmbitos onde é possível equilibrar uma solução com inteligência artificial. Y del otro lado, del otro lado del camino que se difurcó, del lado de consumer, pues poco a poco te das cuenta que los modelos responden bien a tus primeras preguntas, pero cuando empiezas a hacer la pregunta más compleja, te das cuenta que tiene limitantes. E, portanto, a expectativa é, ah, vamos darle um pouco mais de tempo de maturidade para a tecnologia. Então, creo que si sigues ambos os caminhos, por un lado es hacerte siempre un consumidor educado de tecnología. y saber que para que tú la utilices para diferentes modos, tienes que aprender certos aspectos muy básicos. No caso da inteligência artificial, é como fazer as perguntas. E se você é o consumidor, você tem que encontrar seus dados de boa qualidade e espaços de experimentação. E a maior parte disso está nas organizações, tanto privadas quanto públicas.
Laura Velasquez, heróis da IA
Há algo super interessante e é que dentro da indústria, particularmente, você pode encontrar muitos problemas. Eu os classifico como em três principais e são temas de incrementar o acesso. En México es bien fuerte el tema de poder darle una atención mucho más assertiva, prioritaria a los pacientes que somos todos. Há outro tema importante que é fazer um diagnóstico temporário e seguir uma rastreabilidade do paciente. O que acontece com a pessoa que está no DF, mas depois ela vai para Puebla? What pasa? Você me entende? Es un reto muy grande el tema desse diagnóstico oportuno y además hacer una trazabilidad y el tema de prevención también es muy fuerte. É assim que se faz a área clínica. Mas há outros componentes que também são muito relevantes, que são temas dos que você já fala, que são de otimização em temas de cadeia de suprimentos, por exemplo. Temas um pouco mais enfocados hacia la venta, hacia el incremento del acceso al tratamiento, hacia la aderencia, hacia los tratamientos, que también son sambién muito relevantes. Dentro de lo que tú estás experimentando hoy en día, pues desde Taqueda y como líder allá, ¿dónde tú ves cuáles son esos tres puntos claves que tu dices, aquí es donde definitivamente esta industria debería estar mirando, aplique? proyectos de inteligencia artificial sin mencionar pues cosas pontuales que ustedes estén haciendo claramente por confidencialidad pero si es donde de tu perspectiva tú dices, ve Laura, es más hacia temas de acceso, de aderencia de, bueno, yo qué sé, yo aquí ideando con ti
Gabriela Baez, Takeda
Não, eu acho que, primeiro, deixe-me explicar que o Centro de Inovação de Capacidades Digitais que temos no México é um centro com vocação global. Isso significa que você pode ter acesso a muitos bancos de informações. Então, os retos que enfrentamos diretamente como centro de inovação podem ser distintos daqueles que são únicos. em uma região geográfica. Tendo dito isso, em particular com o que se refere à inteligência artificial, nosso primeiro esforço como empresa foi mapeado onde podemos começar a fazer a diferença, e isso estamos tratando de fazer em primeiro lugar de la puerta hacia adentro, para poder refinar nossas próprias habilidades e capacidades e uma vez que tengamos isso podemos ampliar um pouco mais a visão, se você gosta, não? Mas... Acho que uma forma de começar é fazer isso dentro de casa. Y luego, para determinar el dónde lo puedes hacer, y yo creo que esto va más allá de inteligência artificial, mas lo importante es pensarlo casi como en un quadrante, Laura. Então, você pode ter aquello que é o que poderia fazer para ter um impacto maior, mas do outro lado você tem que perguntar qual é a prontidão de suas informações.
Laura Velasquez, heróis da IA
Basicamente, esta ferramenta que... que nos está contando Gabriela, en lo que coincide es es que podemos generar un quadrante onde clasifiquemos qué tantos retos tenemos y qué tan importante es ese reto que tenemos or esa necesidad pontualmente. E segundo, compararemos com quantos dados temos hoje. E isso pode ser classificado em duas formas. A partir dos dados próprios que temos para processos internos, como temas de cadeia de suprimentos, vendas, omnicanalidade, portfólio, guias, adesão, etc. deterioração clínica, recursos em um hospital, etc. E esse outro componente onde não temos acesso aos dados, que são temas de detecção temprana, adesão ao tratamento, dé mais difícil acessar essa data porque hay mucho más, como hay como que más retos a la hora de conseguirla estruturalmente. Entonces es clasificar qué tan importante es ese reto, cuánta data tenemos y ver cuál hace más match en relación a la data y de la importancia y a partir de ahí. ese sería el proyecto que deberíamos trabajar
Gabriela Baez, Takeda
O importante é encontrar esse escudo em onde você tem as duas coisas. Os dados em nível de maturidade e usabilidade adequados para resolver o problema e buscar outra combinação de tecnologias ou abordagens digitais para o resto dos problemas.
Laura Velasquez, heróis da IA
Además es una gran herramienta para cualquiera que nos está ouvindo para saber qué tantos problemas tienes, classificar el problema, qué tan grande es y qué tan pequeño, y luego compararlo prácticamente con qué tan ready está la data ou qué tanta data tengo en este momento para saber hacia qué proyecto uno puede priorizar. É uma excelente ferramenta para alguém dizer, venga, esta é a quantidade de problemas e esta é a quantidade de dados por problema.
Gabriela Baez, Takeda
Claro, é que eu acho que a reação natural de todos aqueles que somos entusiastas das perspectivas digitais é querer sacar o máximo de cada avanço, não é? E isso é muito bom, mas do meu ponto de vista, o que realmente é possível fazer uma transformação digital é a combinação de ferramentas, o fazer exponencial. En otras palabras, que no lo resolvas todo con una herramienta, sino que combinas herramientas para que ese approach. esté realmente allí, ¿no? Então, eu acho que a combinação mais natural de inteligência artificial é a nuvem, não? Então, si no tienes las cosas en la nube, pues, te pierdes el poder de procesamiento, de ubicuidad y de protección que puedes tener en ciertos entornos, ¿no? Em troca, se você tiver a combinação, imagine, não? , a multiplicação, então ele volta exponencial, não? Si tienes un entorno que te permite flexibilizar, crear los experimentos y, además, tienes los algoritmos, la metodología, entonces, ya es mucho más potente que si solamente tienes uno. E isso é uma combinação, não é mais um exemplo. Imagínate si además tienes, o sea, tengo a la mano aquí mi móvil, ¿não? Quem não tem na mão seu celular? Então, se combinar essa capacidade de modelos educados, não é? Com grandes volumes de dados e um acesso a vários Gs de velocidade, então o efeito é verdadeiramente exponencial. Se você tem um, mas não tem o outro, vá para lá. Então... Eu acho, Laura, que isso é mais do que combinar as ferramentas que você tem e perseguir los grandes porqués e começar a resolver aquellos que se ajustam às ferramentas que você tem pela frente. E acho que isso te dá muito mais possibilidades de estar buscando apenas uma única tecnologia em todos os casos de uso. Acho que o valor está na combinação. Isso é o que eu faço exponencial.
Laura Velasquez, heróis da IA
Sim, e agora sim, vamos ao outro extremo, que pode ser um desafio muito alto, mas definitivamente a data é difícil neste setor. Ahí cuál sería como un ejemplo que sería cool, porque es que eso le pasa a todas, a todas las empresas les pasa eso. Ele tem uma impressionante data por trás do fornecimento, de como é esse processo dessa cadeia de fornecimento. E o desafio é maior. Como posso otimizá-lo? Como eu posso ser muito mais eficiente? Então aqui há um exemplo claro. E quando vamos para o outro extremo, qual seria? Que temos um desafio muito alto, mas definitivamente a data não.
Gabriela Baez, Takeda
É simples, não? Por fim, lembre-se de que uma das partes do quadrante que estamos usando para poder ordenar nossas ideias é qué tan a la mano tengo ya la información, qué tan data ready is the theme, ¿no? Então, evidentemente, a data que você tem em casa é a que se supõe que você tenha mais lista. E, portanto, o que está mais longe, o mar, o que está no mercado em múltiplas mãos, será a mais difícil de organizar e estruturar. Então, quando você tem retos que dependem de múltiplas fontes de informação, não é impossível, mas vai ser um pouco mais lento o processo, porque antes de o modelo de Inteligência Artificial entrar em operação, você tem que estruturar e limpar os dados. Esse é o passo anterior. Então, antes de colocar esse modelo em funcionamento, você deve ter certeza de que as fontes de dados cumprem as características necessárias para um modelo de inteligência artificial. Então, basicamente do outro lado do espectro, você encontra as informações entre mais partes interessadas e mais fontes. A mais complexa é a parte de preparar a informação para que depois entre em operação um modelo de inteligência artificial. Entonces... retos que requieran información de multiples fuentes que diría que caen allí. E aí o grande reto, como outras vezes, não é tecnológico, é de coordenação, é de estruturação da informação e é de colaboração.
Laura Velasquez, heróis da IA
Sim, não, total, total. Sim, e volviendo a este ponto, dentro do que você viu nesta indústria, conhece grandes exemplos aplicados com inteligência artificial que solucionaram grandes retos na América Latina, mas na indústria de saúde, mas apalancados por inteligência artificial.
Gabriela Baez, Takeda
Eu acho que só está desenvolvendo isso, Laura, não? Eu creo que tienes cosas, como você decía, à la mano, al interior de cada uno de los players, que tal vez quando los somas puedas notar un effect en cadena, un effect más in la industria. Eu acho que a imensa maioria das empresas está aprendendo a usar a tecnologia. e estão no passo que foi de um piloto para padronizar ou ampliar mais dentro de suas próprias operações. Eu acho que ainda está em formação um projeto que é mais amplo do mercado, mas isso não quero dizer que estamos sentados esperando. Creo que lo que eso reflita es que estamos en el momento de, no te diría que de entendimiento, porque el entendimiento está ahí, sino de preparación de la información y de treinamiento de los modelos al interior de las organizaciones. Eu creo que es donde está más. en utilización hoy día.
Laura Velasquez, heróis da IA
Interessante, super chévere. Ben, e do olhar de pessoas que querem seguir um caminho na indústria, assim como você é líder, tome uma decisão para poder implementar como... Mais do que implementar, é como entender, testar, adotar, implementar esses processos internamente de inteligência artificial. Cuáles serían como esos tres consejos como para hacer recap de tudo o que hemos hablado aquí?
Gabriela Baez, Takeda
Deixe-me separar os grupos em dois, não é? Há um primeiro grupo no que digo, se você gosta disso, venda na ICC de Taquera e faça isso conosco. Então, eu acho que é um caminho muito rápido e muito direto, não? O sea, las profesionales que están allá afuera que quieren buscar una organización donde puedan echar a andar a este conocimiento, pues nosotros con las puertas abertas, ¿no? Y luego los profesionales que lo están haciendo más allá, yo diría ser muy, muy realista con el readiness de la información. O mar, primeiro fazer uma análise verdadeira de onde está a qualidade do dado que você tem. O segundo é ajudar seus equipamentos a desenvolverem o conhecimento de modelos de amplo alcance, como são todos os modelos de inteligência artificial. Entonces, yo creo que es mucho skill building, pero no hagas skill building sin tener un entendimiento claro de la madurez de tu dato, porque si no te puedes llevar a una surpresa de que ya todo el mundo sabe hacerlo, pero luego no tienes el pool de datos con el cual empezar. Não é necessário ir nessa sequência, mas sim é importante diferenciar, não é? As habilidades sem dados são insuficientes. Os dados sem habilidades também são insuficientes. E o terceiro é, creo que medir muito bem a ambição. Assim como identifica os dados, fica muito claro qual é o valor que você vai fornecer e como essa é a tecnologia ideal para resolver esse problema. O mar, não quero meterla forzosamente em todos os retos, sino encontrar aquellos donde es lo más relevante y combinarla sempre. De novo, não fazendo eco o que você disse antes, eu acho que o valor verdadeiro está na combinação de tecnologias digitais e isso é o que ele volta exponencial. Então, seja realista com os dados que você tem, ajude sua equipe a construir habilidades e ser muito claro na análise de valor e impacto para poder priorizar.
Laura Velasquez, heróis da IA
Não, me parece súper. Não sei, Gabriela, si tienes, não sei, algo mais que você digas. Então, isso também é super relevante neste setor. Mais do que acelerar, eu acho que é como abrirnos a explorar possibilidades, porque o que você acaba de dizer é super claro. Estos son los tres consejos que yo le doy, pero a veces se vuelve para muchos como... esto es algo lejos, o sea, como que esto todavía não me toca a mí, para que ellos tengan como herramientas como de, venga de donde me agarro, ya para seguir, para empezar.
Gabriela Baez, Takeda
Não, eu acho que a construção de habilidades é do presente, não do futuro. Você pode levar mais ou menos tempo após cada organização preparar os dados. Eso sim, hay que ser realistas, não? Você pode ter os dados listados para uma linha e, em seguida, fazer a linha que corresponde a ela, não necessariamente você... Você... só vai procurá-lo. Mas eu acho que uma das coisas que para mim tem sido importante antes de falar de inteligência artificial, quando estamos sempre falando de ciência de dados, analítica e muito mais, é como você sabe que você vai usar os dados no futuro. Márcala adequadamente desde o início. Ou seja, às vezes queremos encontrar a informação quando não pusimos, no início do processo, as etapas para identificá-la, estruturá-la e recabar-la de uma forma adequada. Na economia digital, em todos os processos de transformação digital, você sabe que o que fazer digital em algo é a combinação de poder embeber inteligência com... um mecanismo de trabalho distinto com a capacidade de programação. Essas três ferramentas estão lá. Então, você tem que ir sembrando as semillas. para luego poder aplicar un modelo que haga análisis. Pero si no sembraste las semillas taggeando adequadamente la data, afpués te encuentras con ese reto y eso le quita celeridad to tu proyecto. Então hoje você e eu, Laura, já sabemos que se amanhã queremos criar um modelo, precisamos que os dados estejam devidamente categorizados hoje. Isso não é um trabalho para a manhã, é um trabalho para o outro.
Laura Velasquez, heróis da IA
Não, total, super de acuerdo. Não, pode ser verdade que me parece incrível tudo o que acabamos de dizer. Creo que la principal herramienta que me llevo hoy es encasillar todo en ese cuadrante que creo que para muchos aquí puede ser una gran forma de decir, venga, no sé cómo empezar, este es el primer paso donde podemos hacer. estructuremos ese cuadrante donde báticamente revisemos son mis mayores retos y cuáles luego en comparación a ese reto saque cuánta data tengo de ese reto o cuánta no tengo para saber dónde hay que buscarla, dónde no hay que buscarla y saber a qué reto le doy prioridad para poder empezar a testear con inteligencia artificial y que entregue valor realmente, não? Entonces te quiero dar infinitas gracias por este espaço, de verdad Aqui anoté 10.000 ideias que me surgieron donde quiero explorar mucho más con lo que nosotros venimos haciendo todo el tiempo en esta industria y ver se hay más posibilidad de continuar educando ao redor de que AI me parece tão importante. Y pues nada, infinitas gracias de nuevo. Oigan, agora para terminar, gostaria de saber mais do que eles gostariam de ouvir aqui em AI Heroes. Convide você a deixar um comentário, ative a campanha para que a plataforma os avise quando publicamos um novo episódio e nos deixe cinco estrelas. Lembre-se de que pueden conectar comigo e discutir las infinitas posibilidades de la inteligencia artificial en salud y pueden encontrarnos en mis redes sociales na descrição do episódio.