A capacidade expansiva da Inteligência Artificial (IA) para transformar rapidamente grandes dados de saúde em cuidados baseados em evidências, vai desafiar todos os profissionais da medicina a evoluírem junto com a tecnologia ou aceitar ficar para trás. Na visão do portal Health Imaging, os radiologistas estarão entre os primeiros a sentirem essa pressão “isso se eles já não estão entre os que já trabalham com isso”.

Em um estudo publicado no periódico New England Journal of Medicine, Ziad Obermeyer, médico do setor de emergência no Brigham & Women’s Hospital, de Boston,  e professor de políticas de saúde na Harvard Medical School, e o oncologista e especialista em bioética da Universidade da Pensilvânia, Ezekiel Emanuel, sugerem que um subcampo da IA, o aprendizado das máquinas, gera regras a partir de dados concretos.

O termo em inglês machine learning que se refere à aprendizagem automática ou aprendizado de máquina, é um sub-campo da inteligência artificial dedicado ao desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador aperfeiçoar seu desempenho em alguma tarefa.

“É diferente dos algoritmos de ‘sistemas periciais’ da IA, em que se aplicam regras criadas pelo homem para tirar conclusões sobre cenários específicos”. A aprendizagem das máquinas, apontam os autores, já se tornou onipresente na maioria das ciências. “Em astronomia, os algoritmos filtram milhões de imagens de pesquisas telescópicas para classificar galáxias e encontrar supernovas”, exemplificam. “Os mesmos métodos irão abrir vastas novas possibilidades na medicina”.

Em busca da boa performance, algoritmos médicos de IA precisam se alimentar de grandes conjuntos de dados, incorporando milhões de observações médicas. “Por esta razão, os primeiros que adotarem adequadamente essas mudanças na radiologia, estarão suscetíveis de alcançar bons resultados, como a tele radiologia da Virtual Radiologic (vRAD), que já está trabalhando com o aprendizado de máquina e está atualmente compilando e esmiuçando dados de imagem de mais de duas mil instituições dos EUA”.

O artigo aponta três mudanças na medicina que estão suscetíveis a ocorrerem:

1 Maior capacidade de prognóstico

Os autores do artigo, Obermeyer e Emanuel, citam evidências iniciais de seus próprios trabalhos em curso, usando a IA para prever a morte de pacientes com câncer metastático. “Podemos identificar precisamente grandes subgrupos de pacientes com taxas de mortalidade que se aproximam de 100% e outros com taxas menores do que 10%”, afirmam. As previsões são movidas por informações precisas, relacionadas a múltiplos órgãos, que incluem infecções, sintomas não controlados, o uso de cadeira de rodas, entre outros.

Os autores preveem que o uso de algoritmos de prognóstico surgirá ao longo dos próximos cinco anos, acrescentando como uma advertência a probabilidade de que a validação prospectiva levará mais alguns anos de análise de dados.

2. Mudança na forma de trabalho dos radiologistas e patologistas

Estes médicos se concentram principalmente na interpretação de imagens digitalizadas, que podem ser facilmente feitas diretamente pelos algoritmos, consideram os autores. “Grandes conjuntos de dados de imagens, combinados com os recentes avanços de leitura computadorizada, irão levar a uma rápida melhoria no desempenho e na precisão das máquinas, que em breve vai superar a dos seres humanos”, dizem. De fato, a radiologia já está parcialmente nesta situação. “Algoritmos podem substituir um segundo radiologista na leitura de mamografias e logo vão ultrapassar a precisão humana”.

A saúde focada na segurança do paciente irá depender, cada vez mais, do uso de algoritmos no lugar dos seres humanos, dizem os especialistas. “Algoritmos não precisam dormir, e sua vigilância é a mesmo tanto às 2 da madrugada quanto às 9 da manhã”.

3. Precisão do diagnóstico

O relatório do Instituto de Medicina dos EUA chamado Improving Diagnosis in Health Care (Melhorando o Diagnóstico em Saúde, em tradução livre), aborda o ritmo alarmante em que erros médicos ocorrem. Com isso em mente, Ziad Obermeyer e Ezekiel Emanuel vislumbram que “em breve [algoritmos] vão gerar diagnósticos diferenciados, sugerir exames de alto valor e reduzir o uso excessivo de exames”.

Os autores do artigo da Health Imaging esperam que este último tópico ocorra mais lentamente do que os outros dois, porque o padrão de diagnóstico é muitas vezes difuso e há sobreposição em muitas condições (por exemplo, sepse e artrite reumatoide), onde muitas vezes há um ajuste binário (maligno vs. benigno) entre radiologia e patologia.

Os especialistas salientam que a necessidade de lidar com grandes conjuntos de dados não é novidade para os médicos, que durante muito tempo tiveram que assimilar fatores fisiológicos e comportamentais dos pacientes juntamente com resultados de patologia e de imagem. “A capacidade de gerenciar essa complexidade sempre separou os bons médicos dos demais”, destacam.

“A aprendizagem de máquina se tornará uma ferramenta indispensável para os médicos que procuram compreender verdadeiramente os seus pacientes”, escrevem. “Como em outras indústrias, este desafio irá criar vencedores e perdedores na medicina. Mas estamos otimistas de que os pacientes, cujas vidas e históricos médicos moldam os algoritmos, emergirão como os maiores beneficiados pela transformação do aprendizado de máquina na medicina clínica”.