Estes 3 principais usos da Inteligência Artificial estão revolucionando a medicina (e vão impactar a sua saúde)

Após o buzz, o caminho da maturidade

A fase de "buzz" da Inteligência Artificial (IA) já passou, e hoje atinge um primeiro grau de maturidade. Em 2 anos, as soluções comercializadas integrando algoritmos de aprendizado de máquina na saúde multiplicaram-se mais de 10 vezes a nível global. Como consequência, o papel da IA se torna mais nítido e concreto na paisagem da saúde mundial. Estas últimas semanas ilustraram de forma excelente referida maturidade:

• Por um lado, novos modelos preditivos de uma amplitude inédita confirmam a qualidade e a utilidade desses modelos com vistas a se integrarem ao dia a dia dos pacientes e dos médicos. Há alguns dias, por exemplo, a equipe chinesa do doutor Liang publicou, na Nature, um modelo de avaliação por IA de condições pediátricas. A equipe aplicou razoamentos muito próximos à arvore de decisão normalmente usada pelos médicos. O algoritmo, treinado com uma base de dados de mais de 1 milhão de casos, proporcionou uma acuidade e uma precisão comparáveis ou superiores a um diagnóstico feito por médicos. Com esses resultados, a ferramenta se torna um verdadeiro assistente médico que suspeita casos de gripe, de gastroenterites ou de meningites em crianças, enquanto os modelos rotineiramente utilizados se concentram na detecção de uma só doença.
• Esta nova publicação aconteceu poucos dias antes de os EUA publicarem a “American AI Initiative”. O principal rival da China no mundo da IA autorizou o mais amplo acesso e compartilhamento dos dados nacionais para criar modelos de IA mais abrangentes e “inteligentes”. Na área médica, essa decisão histórica reforça e mutualiza a circulação dos dados – o combustível da IA –, entre o mundo hospitalar e o da inovação.

Os "três rostros" da IA estão se tornando cada vez mais nítidos

Quando analisamos esses avanços em retrospectiva, é interessante notarmos quais são os grandes eixos de desenvolvimento que a IA está seguindo. Dessa forma, observamos a emergência de 3 características transversais na área médica:

1/ a PADRONIZAÇÃO, ou seja, o fato de ajudar na tomada de decisões complexas ou normalmente baseadas em uma elevada quantidade de dados. Neste caso, a IA constitui uma ferramenta que “liga os pontos”. Alguns exemplos são soluções de ajuda na detecção de doenças raras, nas classificações do grau de gravidade ou de risco de recidiva, na elaboração de protocolos terapêuticos complexos – a exemplo dos da oncologia –, como assistente de detecção de fraude ou de gestão operacional (riscos hospitalares, readmissão, alocação de camas ou agendamento de um serviço hospitalar etc.).

2/ a AUTOMATIZAÇÃO, ou seja, o processamento de um grande número de casos, de forma mais rápida, para aliviar os profissionais de tarefas repetitivas e nas quais a inteligência humana poderia ser utilizada melhor.

Podemos incluir, nesta categoria, exemplos de filtragem de primeira linha para separar mais rápido os casos graves dos leves, diagnóstico automatizado baseado em imagens (citologia, dermatologia, cardiologia, radiologia), pesquisa em genômica ou chatbot de atendimento para pacientes ou para profissionais de saúde. Nestes casos, o que prevalece é o grande número de consultas ou de perguntas a serem processadas de uma forma automática e mais confiável.

3/ a OMNI-MEDICALIZAÇÃO, ou seja, a possibilidade de oferecer uma atenção contínua, que, antigamente, era impossível. Nesta categoria entram, em particular, os casos de reconhecimento e de monitoramento, como a detecção contínua de riscos para pacientes com uma autonomia limitada ou tendência suicida, além de descrição de objetos ou ideias para pacientes cegos, com autismo ou com Alzheimer.

Estas três categorias não são estanques e independentes. Uma mesma solução pode combinar 2 ou 3 dessas características. Por exemplo, a divulgação de ferramentas de reconhecimento de riscos domésticos para pacientes com Alzheimer pode, ao mesmo tempo, permitir:

- O monitoramento de muitos pacientes ao mesmo tempo (AUTOMATIZAÇÃO)

- A decisão de passar a um nível de medicalização superior com base em informações reais e pertinentes (PADRONIZAÇÃO)

- O acesso mais amplo a um nível de cuidado que hoje seria impossível aplicar (OMNI-MEDICALIZAÇÃO)

Humanização ou desumanização da medicina?

Ao nos voltarmos para a análise retrospectiva das soluções públicas entre 2017 e 2018, qual é o ponto comum entre essas iniciativas?

Indiscutivelmente o ganho de tempo, de qualidade e/ou de eficiência, que são as "moedas" mais preciosas no ambiente médico. A principal consequência é a redução dos erros (ou, pelo menos, das imprecisões médicas) e o aprimoramento do nível médico em qualidade ou em quantidade. O próximo passo logico: a convergência e a sinergia entre a padronização , a automatização, e a omni-medicalização para atingir um grau excepcional de personalização da medicina.

Outro ponto comum: nenhuma destas soluções tem pretensão de funcionar de forma autônoma, uma vez que, em todos os casos, a avaliação humana aparece, no mínimo, ao final da cadeia de decisão. Do lado dos pacientes, uma esperança legítima é que, graças à sistematização dessas ferramentas, o pessoal qualificado passe mais tempo com os pacientes a fim de utilizar plenamente os talentos e as expertises não transferíveis para a IA.

Última observação: ao longo desses 2 anos, as pesquisas realizadas no Japão, nos Estados Unidos, na Inglaterra e também no Brasil demonstram que a taxa de aceitação da IA aplicada à saúde, por parte de empresas de saúde e de pacientes, está crescendo substancialmente. Isso é, sem dúvida, o estímulo mais forte para acelerar a exploração e a ampliação de mais projetos, e um sinal de que a integração da IA é um fenômeno sustentável e profundo.