Entenda como a inteligência artificial e as machine learnings estão transformando o diagnóstico e as competências dos profissionais da saúde.
Que o mundo está evoluindo e o conhecimento segue em expansão, não é nenhuma novidade. A inteligência artificial (IA) já é objeto de estudo há muito tempo, mas teve seu boom na última década, com a evolução dos computadores e de sua capacidade de processamento, o que permitiu que as técnicas de machine learning evoluíssem também. Além disso, a pandemia trouxe um grande aumento de consultas e tratamentos via telemedicina.
Segundo a pesquisa Global Top Health Industry Issues 2021 feita pela PwC, 51% das pessoas no mundo fizeram consultas virtuais durante o período. E, com um investimento de US$ 4,3 bilhões no setor no último ano, esta é uma tendência que só deve crescer. Eduardo Cardoso de Moura, médico, cofundador da PEBMED (parte da Afya Educacional) e diretor de pesquisa, opina que a inteligência artificial ainda está dando seus primeiros passos.
Como toda tecnologia que chega e é incorporada à prática, ela passa pelas seguintes fases:
— A primeira fase foi a de empolgação, em que foram prometidos “mundos e fundos” e a IA foi colocada como sendo a solução de todos os problemas do sistema de saúde hoje, desde o overdiagnosis e overtreatment, até os erros diagnósticos e iatrogenia.
— A segunda fase é a do amadurecimento, em que passada essa empolgação inicial, entendemos onde realmente a IA pode agregar valor e estamos descobrindo aos poucos as melhores aplicações dessa ferramenta.
— A terceira fase, que deve ser a próxima a se seguir, será a da escalabilidade e, em seguida, o aprimoramento das ferramentas. “Ou seja, ainda tem muitos desafios pela frente”, completa o profissional.
Diferenças entre inteligência artificial e machine learning
Moura esclarece a diferença entre inteligência artificial e Machine Learning, sendo IA o termo usado para a grande área da ciência da computação que estuda como fazer uma máquina adquirir inteligência nos moldes da inteligência humana, podendo tomar decisões e acertar.
Já o Machine Learning é um subconjunto da inteligência artificial que se utiliza de bancos de dados para aprendizado, desenvolvendo a capacidade de realizar predições quando novos dados de natureza semelhante são apresentados.
“No diagnóstico em saúde, a evolução mais notável que tem sido observada é o uso de Machine Learning para diagnóstico de imagens, especialmente imagens radiológicas e dermatológicas, que se utilizam do reconhecimento de padrões para inferir diagnósticos”.
O médico também destaca os grandes desafios que existem hoje: os algoritmos de machine learning aprendem em cima de padrões de reconhecimento de imagem, ou seja, seus resultados estão muito atrelados à qualidade dos bancos de imagem utilizados para aprendizado, bem como o perfil dos pacientes cujas imagens compõem esse banco.
Por exemplo, um algoritmo que acerta com precisão o diagnóstico de nódulos de fígado de alta suspeição para câncer, pode fazê-lo para uma população específica, como idosos de origem europeia com cirrose hepática.
Esse mesmo algoritmo, quando utilizado para diagnóstico em uma população diferente, como asiáticos, não terá uma boa taxa de acerto.
“Embora sejamos todos seres humanos, somos bem diferentes internamente, e a máquina é bem específica em seu aprendizado. Dessa maneira, será muito difícil alcançar uma solução universal, isso porque outras características da imagem também não colaboram, como o aparelho em que a imagem foi captada e o número de cortes. Entendemos hoje que a inteligência artificial é uma ferramenta e que não deve substituir o diagnóstico humano, mas sim auxiliá-lo”, enfatiza o profissional.
Eficácia para diagnósticos e tratamentos
As técnicas disponíveis hoje são das mais diversas, desde árvores de decisão, deep learning e neural networks até tensor flow e reconhecimento de imagens. A principal especialidade em que hoje a IA é aplicada para diagnóstico é a radiologia, havendo um grande potencial para aplicação na dermatologia (possivelmente como triagem).
Para reconhecimento de imagem, Moura cita exemplos do seu uso: laudos de ressonância magnética cardíaca com detecção de doenças cardíacas e avaliação funcional; diagnóstico de nódulos pulmonares suspeitos; diagnóstico de nódulos hepáticos suspeitos; diagnósticos de lesão de pele com precisão semelhante ao dermatologista.
Com a pandemia, verificou-se um aumento da telemedicina e do prosseguimento de vários tratamentos à distância. Neste caso, o médico explica que a inteligência artificial também pode ser aplicada em serviços de triagem (seja por telemedicina ou não), pré-diagnósticos e encaminhamento clínico para o profissional mais adequado e controle de fluxo hospitalar e da rede assistencial. “São usos mais ‘operacionais’ por assim dizer da tecnologia, mas que já são utilizados atualmente e com muito sucesso”, ressalta.
.avif)
.avif)
.avif)
.jpg)
%20(1).png)
