A revolução da Inteligência Artificial: uma assistência de diagnóstico
Por Anne Harding
Antes do coronavírus assumir as manchetes, toda semana surgiam relatórios sobre inteligência artificial que superavam os médicos humanos em tudo, desde o diagnóstico de câncer de pele até a detecção de pneumonia nas radiografias de tórax.
Mas essas ferramentas de inteligência artificial (IA) - programas de computador que melhoram a execução de uma tarefa ao serem "treinadas" no tipo certo de dados - estão a anos de serem usadas para ajudar a diagnosticar pacientes da vida real, segundo os médicos ajudando a desenvolvê-los e testá-los.
"Ainda temos muitas incógnitas em termos de generalização e validação desses sistemas antes que possamos começar a usá-los como padrão de atendimento", disse o Dr. Matthew Hanna, patologista do Memorial Sloan Kettering Cancer Center, em Nova York.
Generalizar significa construir uma ferramenta de IA que pode ser usada em vários hospitais, e a validação envolve testar e ajustar uma ferramenta de AI para garantir que seja precisa.
"Esses são os tipos de estudos que precisamos fazer para garantir que esses modelos estejam funcionando adequadamente e não prejudiquem potencialmente os pacientes", explicou Hanna.
Enquanto isso, os humanos não têm pressa em trocar seu médico por um diagnóstico de IA.
Em um estudo de 2019 da Universidade de Nova York-Harvard, os estudantes das faculdades de administração disseram que aceitariam receber cuidados de saúde de pior qualidade, desde que prestados por humanos em vez de por IA. As pessoas resistiram à IA, descobriram os autores do estudo, porque achavam que não levaria em conta suas "características e circunstâncias idiossincráticas".
Pesquisa versus o mundo real
Quer as pessoas gostem ou não, a IA desempenhará cada vez mais um papel de apoio na medicina, ajudando os médicos a trabalhar com mais eficiência e consistência. A Food and Drug Administration dos EUA aprovou dezenas de plataformas de IA para aplicativos, incluindo o monitoramento remoto de pacientes, a identificação de sangramentos cerebrais em uma tomografia computadorizada, o reconhecimento de ritmos cardíacos anormais com base nas gravações do Apple Watch e até o diagnóstico de autismo.
Todas essas ferramentas disponíveis são supervisionadas, o que significa que elas não saem e aprendem as coisas por conta própria. Pense neles como assistentes de confiança que trabalham nos bastidores, oferecendo sugestões, mas não tomando decisões.
As ferramentas de IA estão sendo desenvolvidas para acelerar o diagnóstico e o tratamento do câncer, por exemplo, ajudando os radiologistas com tarefas que agora devem ser executadas manualmente, como "contorno" ou desenhando manualmente a linha de fronteira entre um tumor e o tecido normal em várias imagens.
"O que realmente queremos é, de maneira estruturada, ensinar um algoritmo para encontrar nódulos pulmonares, caracterizá-los de acordo com o esquema de classificação padrão e, em seguida, ajudar os radiologistas a colocá-los em um relatório útil", explicou o Dr. Bibb Allen Jr. , diretor médico do Instituto de Ciência de Dados do American College of Radiology. "A IA tem tudo a ver com informação e trazer informações apropriadas para os médicos que cuidam do paciente. Temos uma explosão de dados em torno de nossos pacientes, mas é difícil de acessar", acrescentou Allen.
'Maior eficiência'
Os radiologistas passaram da leitura de filmes de raios X em caixas de luz para a interpretação de imagens nas telas de computadores décadas atrás. Mas a digitalização não é tão demorada para os patologistas, muitos dos quais ainda estão observando através de microscópios fatias finas de tecido biopsiado fixadas em lâminas de vidro.
Mesmo ao revisar slides em um computador, "pode ser demorado para os patologistas revisarem manualmente imagens de todas as amostras de linfonodos para identificar possíveis doenças metastáticas", observou Hanna. "Se um modelo de IA for treinado para detectar a presença ou ausência de câncer de mama metastático, essa triagem automatizada pode ajudar na triagem de casos para patologistas - trazendo casos específicos à sua atenção".
A IA não substituirá os patologistas, que relatam vários outros achados de diagnóstico para cada amostra que analisam, acrescentou Hanna. "Mas a IA pode criar maior eficiência para reduzir potencialmente horas, ou até dias, para que os relatórios de patologia possam ser finalizados mais cedo para os pacientes", disse ele.
"Temos uma escassez muito grande prevista de patologistas nos EUA e também temos uma carga de trabalho muito aumentada, então acho que esses modelos de aprendizado de máquina serão uma necessidade no futuro", explicou Hanna.
Allen ressaltou que "isso não vai acontecer da noite para o dia. Todos os anos, vamos colocar cada vez mais ferramentas de IA na maneira como cuidamos dos pacientes. Isso fará coisas que, com o tempo, melhorarão a maneira como cuidamos dos pacientes. Não será: 'Oh, apertamos um botão e temos IA'", acrescentou. "Os pacientes precisam entender que seu médico estará lá ajudando-os e usarão a IA para ajudar seus pacientes, mas não como uma ferramenta para dar aos pacientes para substituir seus médicos", disse Allen.