Com a digitalização acelerada dos sistemas de saúde, o uso de inteligência artificial (IA) para análise de dados clínicos, diagnósticos e gestão hospitalar tornou-se cada vez mais comum nos dias atuais. No entanto, como todo avanço, este também trouxe um grande desafio: como proteger informações sensíveis dos pacientes sem comprometer o desempenho dos modelos de aprendizado de máquina?
É nesse contexto que o aprendizado federado vem ganhando destaque. Diferente dos modelos tradicionais, essa abordagem permite que algoritmos sejam treinados sem a necessidade de centralizar dados pessoais em um único servidor, reduzindo riscos de vazamentos, ataques cibernéticos e violações de privacidade.
De acordo com o U.S. Department of Health and Human Services, mais de 133 milhões de registros médicos foram comprometidos em vazamentos de dados apenas entre 2020 e 2023. Já segundo relatórios do setor de cibersegurança, organizações de saúde estão entre os principais alvos de ataques, devido ao alto valor comercial das informações médicas. Diante desse cenário, soluções tecnológicas que priorizam segurança, privacidade e eficiência tornaram-se essenciais para o futuro da saúde nos Estados Unidos.
Para compreender melhor o assunto, convidamos o engenheiro de desenvolvimento de software Frederick Kwaku Ayensu, especialista em IA, aprendizado federado e segurança de sistemas. Segundo ele, este é um tema extremamente importante e que sim, a proteção de dados deve ser tratada como uma prioridade nacional.
“Os dados de saúde são extremamente sensíveis. Qualquer falha pode comprometer a privacidade dos pacientes e gerar impactos legais, financeiros e sociais. Dessa maneira, o aprendizado federado permite treinar modelos robustos sem expor informações pessoais”, explica.
Com pesquisas financiadas pelo Departamento de Energia dos EUA e pela National Science Foundation, Frederick desenvolveu estruturas de defesa contra ataques em sistemas de aprendizado federado, voltadas especialmente para aplicações na área da saúde.
“Além de proteger os dados, é fundamental garantir que os modelos não sejam manipulados por ataques de envenenamento ou inferência. Esses ataques podem comprometer decisões clínicas e afetar diretamente a segurança dos pacientes”, afirma Frederick.
De acordo com o especialista, a aplicação de uma IA segura pode melhorar desde o planejamento hospitalar até o diagnóstico precoce de doenças, desde que seja implementada com responsabilidade. “A tecnologia precisa ser confiável. Quando protegemos os dados e o sistema, criamos um ambiente mais seguro para profissionais de saúde e para a população.”
Inovação, pesquisa e impacto profissional
A carreira de Frederick Ayensu combina excelência acadêmica, inovação tecnológica e impacto social. Mestre em Ciência da Computação, com GPA 4.0, e bacharel em Engenharia de Telecomunicações, ele construiu uma base sólida em inteligência artificial, segurança da computação e sistemas distribuídos.
Durante sua atuação na Huawei, em Gana, liderou a modernização de plataformas de Big Data com mais de 200 servidores, aumentando o desempenho em até 186% e reduzindo o tempo de geração de relatórios em 85%. Esses avanços melhoraram a tomada de decisão estratégica e a eficiência operacional da empresa.
Atualmente, na Amazon, em Seattle, Frederick desenvolve sistemas críticos de classificação de dados para mais de 10 marketplaces internacionais, com APIs de alto desempenho que processam milhões de transações por segundo e mantêm latência inferior a 50 milissegundos. Seu trabalho garante conformidade regulatória, segurança de dados e estabilidade em operações de varejo multibilionárias.
Além do setor corporativo, Frederick também atua na formação de novos profissionais. Como Assistente de Ensino na Norfolk State University, contribuiu para o ensino de programação, engenharia de software e fundamentos da computação, fortalecendo a próxima geração de engenheiros nos Estados Unidos.
Suas pesquisas sobre aprendizado federado seguro foram publicadas em revistas científicas e apresentadas em conferências internacionais, incluindo a ICECET, promovida pelo IEEE, em Paris. Essas contribuições ajudam a fortalecer a infraestrutura tecnológica dos EUA nas áreas de saúde, energia e segurança cibernética.
Tecnologia segura como pilar do futuro a saúde
À medida que a inteligência artificial se torna parte essencial dos sistemas de saúde, garantir a segurança e a privacidade dos dados deixa de ser uma opção e passa a ser uma necessidade estratégica. O aprendizado federado surge como uma solução inovadora para equilibrar eficiência tecnológica e proteção de informações sensíveis.
Vale dizer que é possível avançar na inovação sem comprometer a ética, a segurança e o bem-estar da sociedade, sempre contando com a atuação de profissionais dedicados e qualificados. Ao desenvolver sistemas robustos, confiáveis e alinhados às necessidades nacionais, o trabalho pode contribuir diretamente para um futuro mais seguro, eficiente e tecnologicamente avançado para os Estados Unidos.
