.
Fdos crescentes custos dos cuidados de saúde nos EUA à crise recorrente do NHS, muitas vezes pode parecer que medidas eficazes e saúde acessível é impossível. Isso só vai piorar à medida que as condições crônicas crescem em prevalência e descobrimos novas maneiras de tratar doenças anteriormente fatais. Esses novos tratamentos tendem a ser caros, enquanto novas abordagens podem ser difíceis de introduzir em sistemas de saúde que são resistentes a mudanças ou fatigados por isso. Enquanto isso, a crescente demanda por assistência social aumenta a pressão de financiamento e torna a alocação de recursos ainda mais complicada.
A inteligência artificial (IA) é frequentemente apresentada como a resposta para serviços que já são forçados a fazer mais com menos. No entanto, a ideia de que computadores inteligentes poderiam simplesmente substituir humanos na medicina é uma fantasia. A IA tende a não funcionar bem no mundo real. A complexidade se mostra um obstáculo. Até agora, as tecnologias de IA tiveram pouco impacto no mundo confuso e inerentemente humano da medicina. Mas e se as ferramentas de IA fossem projetadas especificamente para a medicina do mundo real – com toda a sua complexidade organizacional, científica e econômica?
Essa abordagem “centrada na realidade” da IA é o foco do laboratório que dirijo na Universidade de Cambridge. Trabalhando em estreita colaboração com médicos e hospitais, desenvolvemos ferramentas de IA para pesquisadores, médicos, enfermeiros e pacientes. As pessoas costumam pensar que as principais oportunidades para a IA na área da saúde estão na análise de imagens, como ressonâncias magnéticas, ou na descoberta de novos compostos de medicamentos. Mas há muitas oportunidades além. Uma das coisas que nosso laboratório estuda é a medicina personalizada ou de precisão. Em vez de um tamanho único, procuramos ver como os tratamentos podem ser personalizados para refletir o perfil médico e de estilo de vida exclusivo de um indivíduo.
O uso de medicina personalizada com IA pode permitir um tratamento mais eficaz de condições comuns, como doenças cardíacas e câncer, ou doenças raras, como fibrose cística. Isso pode permitir que os médicos otimizem o tempo e a dosagem de medicamentos para pacientes individuais ou façam a triagem de pacientes usando seus perfis de saúde individuais, em vez dos atuais critérios gerais de idade e sexo. Essa abordagem personalizada pode levar a um diagnóstico mais precoce, prevenção e melhor tratamento, salvando vidas e fazendo melhor uso dos recursos.
Muitas dessas mesmas técnicas podem ser aplicadas em ensaios clínicos. As provações às vezes vacilam porque o média resposta a um medicamento não atinge as metas do estudo. No entanto, se algumas pessoas no estudo responderam bem ao tratamento, a IA poderia ajudar a encontrar esses grupos nos dados existentes do estudo. A criação de modelos de dados de pacientes individuais, ou “gêmeos digitais”, pode permitir que os pesquisadores realizem testes preliminares antes de embarcar em um estudo caro envolvendo pessoas reais. Isso reduziria o tempo e o investimento necessários para criar um medicamento, tornando mais viáveis comercialmente as intervenções que melhoram a vida e permitindo que os tratamentos sejam direcionados àqueles que mais ajudarão.
Em uma organização complexa como o NHS, a IA pode ajudar a alocar recursos com eficiência. Nosso laboratório criou uma ferramenta durante a Covid para ajudar os médicos a prever o uso de ventiladores e leitos de UTI. Isso poderia ser estendido a todo o serviço de saúde para alocar pessoal e equipamentos de saúde. As tecnologias de IA também podem ajudar médicos, enfermeiros e outros profissionais de saúde a aprimorar seus conhecimentos e combinar suas experiências. Também poderia ajudar com enigmas como a privacidade do paciente. As mais recentes tecnologias de IA criam o que é chamado de “dados sintéticos”, que refletem os padrões dentro dos dados, permitindo que os médicos extraiam insights disso, enquanto substituem todas as informações identificáveis.
Os médicos e especialistas em IA já estão considerando o potencial para assistência médica de grandes modelos de linguagem, como o ChatGPT. Essas ferramentas podem ajudar com a carga de papelada, recomendar protocolos de testes de medicamentos ou propor diagnósticos. Mas, embora tenham um imenso potencial, os riscos e desafios são claros. Não podemos confiar em um sistema que fabrica informações regularmente ou que é treinado em dados tendenciosos. O ChatGPT não é capaz de entender condições e nuances complexas, o que pode levar a interpretações errôneas ou recomendações inadequadas. Poderia ter implicações desastrosas se fosse usado em áreas como a saúde mental.
Se a IA for usada para diagnosticar alguém e errar, precisa ficar claro quem é o responsável: os desenvolvedores de IA ou os profissionais de saúde que a utilizam? Diretrizes e regulamentos éticos ainda precisam acompanhar essas tecnologias. Precisamos abordar as questões de segurança relacionadas ao uso de grandes modelos de linguagem com pacientes reais e garantir que a IA seja desenvolvida e implantada com responsabilidade. Para garantir isso, nosso laboratório está trabalhando em estreita colaboração com os médicos para garantir que os modelos sejam treinados com dados confiáveis, precisos e imparciais. Estamos desenvolvendo novas maneiras de validar os sistemas de IA para garantir que sejam seguros, confiáveis e eficazes, e técnicas para garantir que as previsões e recomendações geradas pela IA possam ser explicadas aos médicos e pacientes.
Não podemos perder de vista o potencial transformador dessa tecnologia. Precisamos garantir que projetamos e construímos IA para ajudar os profissionais de saúde a serem melhores no que fazem. Isso faz parte do que chamo de agenda de empoderamento da IA humana – usar a IA para capacitar os humanos, não para substituí-los. O objetivo não deve ser construir agentes autônomos que possam imitar e suplantar humanos, mas sim desenvolver aprendizado de máquina que permita aos humanos melhorar suas habilidades cognitivas e introspectivas, capacitando-os a se tornarem melhores aprendizes e tomadores de decisão.
-
Mihaela van der Schaar é a professora John Humphrey Plummer de aprendizado de máquina, IA e medicina, e diretora do Centro de Cambridge para IA em Medicina da Universidade de Cambridge
.
