Recentemente o termo inteligência artificial (AI) está em forte evidência, muito se fala sobre ela e como ela pode nos ajudar, sendo que a área de Healthcare é um dos setores onde muito se fala dela.
No entanto, o que é na verdade AI? O que ela pode fazer em Healthcare? Seremos substituídos por máquinas?
Nesse post vamos tentar entender um pouco mais dela e buscar respostas para essas perguntas.
Uma forma simples e mais coloquial de definir inteligência artificial é a capacidade de computadores ou máquinas de mimetizar funções cognitivas normalmente associadas à mente humana, como aprendizado e solução de problemas.
Outros termos por vezes confundidos com AI são machine learning (ML) e deep learning (DL). Um modo simples de situá-los é que o deep learning está contido no machine learning e que o machine learning, por sua vez, está contido na AI.
Em outras palavras, todo deep learning é também machine learning mas nem todo machine learning é deep learning. E ambos são inteligência artificial. Quem quiser ler um pouco mais sobre essas diferenças pode acessar esse link e também esse.
Um pequeno comentário aqui; algumas vezes podemos pensar que o deep learning é a ferramenta ideal para solução de qualquer problema, mas isso não é verdade. Para vários problemas ML ou mesmo AI simples podem resolver de modo mais rápido o assunto, ou seja, antes de escolher o que usar, sempre se deve focar em qual resultado se busca. O famoso computador Deep Blue da IBM que venceu o campeão mundial de xadrez Kasparov em 1996 é um exemplo de AI simples que resolveu adequadamente a solução a que se propunha.
De modo geral, os modelos de AI relacionam dados de entrada a dados de saída, mas detalhes desse processo bem como tipos de algoritmos e outros conceitos como dados estruturados e não estruturados fogem do escopo deste artigo. Possivelmente em um post futuro podemos abordar esses assuntos em maior profundidade.
Partindo para Healthcare, o que há aí para AI? O impacto possível da AI na saúde é gigantesco.
Podemos começar imaginando a seguinte cena. Pense em uma consulta, com o médico digitando em um teclado e olhando para um monitor de computador enquanto faz perguntas, lateralmente ao paciente. Essa cena lhe é familiar? Provavelmente sim. Algumas estatísticas estimam que 40% do tempo de uma consulta é gasto com tarefas não médicas, como digitação e troca de abas em prontuários eletrônicos.
Processamento de linguagem natural (NLP), que é um recurso de AI, pode liberar o médico dessas funções de modo que ele possa dedicar mais tempo ao seu paciente, olho no olho, sendo mais médico e menos burocrata, transcrevendo no prontuário automaticamente o conteúdo do diálogo. Ferramentas adicionais podem ainda identificar palavras chave importantes para o diagnóstico.
Há vários usos para AI em diagnóstico. Algoritmos podem automaticamente selecionar exames de imagem que contém alterações mais graves e que merecem ser laudados prioritariamente. As imagens abaixo são de uma startup brasileira que desenvolve algoritmos que rastreiam radiografias em busca de alterações que merecem atenção prioritária.
Outros algoritmos podem identificar sangramentos intra-cranianos em tomografias, alertando paa que esses exames sejam laudados prioritariamente e sabe-se que quanto mais cedo se tratar um acidente vascular cerebral mais cérebro se pode preservar.
Ainda na área de imagem, podem ser utilizados algoritmos para clusterizar mamografias como normais ou com achados potencialmente malignos, o que pode ser validado posteriormente pelo médico radiologista, atuando até como uma segunda leitura do exame aumentando a confiabilidade do diagnóstico.
Outra aplicação possível é a identificação de correlações que muito dificilmente poderiam ser feitas pelos médicos desarmados de AI, identificando grupos de pacientes que respondem melhor a determinadas drogas do que outros, abrindo espaço para medicina de precisão, mais efetiva e com melhores resultados.
Assistentes virtuais, como a Alexa da Amazon, podem ter bots (robôs) integrados que podem triar sintomas referidos pelos pacientes, aconselhá-los e até mesmo chamar ambulâncias em caso de urgências. Também podem auxiliar na adesão a tratamentos, lembrando de horários de medicações, por exemplo.
Identificação de tumores de pele malignos já estão em andamento, com algoritmos sendo tão sensíveis quanto dermatologistas neste diagnóstico. Imaginem o uso potencial dessa tecnologia em locais onde não há dermatologistas disponíveis.
Enfim, a pergunta fundamental. Irá a AI substituir profissionais de saúde?
Não é um pergunta simples com uma resposta fechada, mas algumas considerações sobre o tema podem ser feitas.
A AI pode potencialmente livrar médicos e outros profissionais de saúde de tarefas que possam ser automatizadas e feitas por máquinas e isso é bom, pois podemos focar mais nos nossos soft skills, sendo, no final do dia, mais humanos nas nossas relações com os pacientes, municiados pela AI.
Talvez faça mais sentido pensarmos que o médico que saiba usar as capacidades da AI vá substituir o médico que não a utilize.
Para este post inicial em AI é isso, mas AI em Healthcare é um assunto fascinante e bastante amplo e certamente voltaremos a ele no futuro! Até o próximo!
Para mais conteúdo de healthtech e inovação em saúde visitem https://exponentialhealth.blogspot.com/