As aplicações da inteligência artificial na saúde são tão vastas quanto as diferentes frentes de atuação nessa área. O crescente desenvolvimento de tecnologias desse tipo abrange aspectos como descoberta de medicamentos, diagnóstico assistido, automação de tarefas administrativas, monitoramento de pacientes e apoio à tomada de decisão clínica, entre outros pontos.
O processo de análise e tomada de decisões é uma das grandes angústias da medicina, que a inteligência artificial (IA) pode atenuar. Em participação recente no Me, Myself and AI, podcast desenvolvido pela MIT Sloan Management Review em parceria com a Boston Consulting Group (BCG), o médico emergencista Ziad Obermeyer descreveu esse desafio: “estar no pronto-socorro é uma experiência fascinante, interessante e estressante, porque você constantemente se depara com os limites de sua própria capacidade de pensar e entender problemas”.
Hoje, Obermeyer dedica-se à interseção entre IA e saúde. É professor associado da Escola de Saúde Pública da UC Berkeley, onde faz pesquisas que conectam aprendizado das máquinas, medicina e políticas de saúde. Ele também é co-fundador da Nightingale Open Science e da Dandelion Health, organizações que reúnem e compartilham conjuntos de dados médicos para impulsionar a inovação na área.
Como os conjuntos de dados impactam o desenvolvimento da IA?
A inteligência artificial na saúde esbarra em um grande desafio, que, normalmente, é o que compromete os modelos preditivos: os dados médicos são restritos. No entanto, esses dados, como os que estão presentes em imagens de milhares de exames (como raio-x, tomografias, eletrocardiograma etc.) que são feitos diariamente no mundo todo, revelam padrões que podem ser decisivos para diagnósticos precoces de uma série de doenças.
O que as organizações e as pesquisas de Obermeyer, em conjunto com outros cientistas, estão fazendo para solucionar o impasse? Elas ampliam o acesso aos dados médicos, sem, no entanto, ferir a ética. As informações passam por um processo de anonimização para preservar a identidade dos pacientes.
Dessa forma, a iniciativa permite que as pesquisas e o desenvolvimento da IA avancem de forma consiste. Isso é importante porque a criação de tecnologias de inteligência artificial baseada em um conjunto limitado de dados pode resultar em produtos propensos a falhas e vieses.
Quando a base de dados é mais ampla, a precisão da IA é maior. É nesse ponto que a tecnologia para melhorar a capacidade de diagnóstico e contribuir com a tomada de decisões de médicos e profissionais da saúde.
Uma das pesquisas atuais que Obermeyer está desenvolvendo exemplifica o impacto que um conjunto amplo de dados pode promover, ao aprimorar a capacidade de diagnóstico e a tomada de decisões na área da saúde. O estudo é conduzido na Suécia com foco na cardiologia.
“Estamos vinculando todas as formas de onda de eletrocardiograma que já foram feitas naquela região com certidões de óbito. E desenvolvemos um algoritmo que pode realmente prever, com um surpreendente grau de precisão, quem vai morrer de morte súbita cardíaca no ano seguinte ao ECG.”
Aprendizado das máquinas e o desafio no uso dos dados
O potencial da inteligência artificial para a área da saúde é inquestionável. No entanto, para que a tecnologia ganhe escala e passe a ser aplicada de forma consistente na medicina diagnóstica e na tomada de decisões, é preciso aumentar a confiança dos modelos. Isso requer amplos conjuntos de dados, que precisam ser tratados de forma ética e criteriosa para evitar que vieses e mitigar riscos de falhas.
Em 2021, a Organização Mundial da Saúde publicou o primeiro relatório global sobre inteligência artificial na saúde, alertando para a importância de que os modelos de machine learning sejam desenvolvidos com cuidado para que consigam refletir a diversidade socioeconômica e de saúde, garantindo equidade e inclusão.
O relatório, intitulado Ética e governança da inteligência artificial para a saúde, apresenta seis princípios a serem observados no uso da inteligência artificial na área da saúde:
proteger a autonomia humana;
promover o bem-estar, a segurança humana e o interesse público;
garantir transparência;
estabelecer responsabilidades;
assegurar a inclusão e a equidade;
projetar a IA para uso responsivo e sustentável.
Iniciativas como a de Obermeyer podem contribuir para melhorar as condições para desenvolvimento de soluções de inteligência artificial na saúde. O objetivo dos dados é aprimorar o aprendizado das máquinas, o que é fundamental para garantir a confiança das aplicações.
A inteligência artificial já é uma realidade na saúde. Se você se interessou pelo assunto, continue no nosso blog e conheça a healthtech que usa inteligência artificial para escanear o corpo humano com o objetivo de identificar fatores de risco.