.
À medida que os sistemas de inteligência artificial, como o ChatGPT, entram no uso diário, os médicos começarão a ver essas ferramentas incorporadas à sua prática clínica para ajudá-los a tomar decisões importantes sobre diagnóstico e tratamento de condições médicas comuns. Essas ferramentas, chamadas de algoritmos de suporte à decisão clínica (CDS), podem ser extremamente úteis para ajudar a orientar os profissionais de saúde na determinação, por exemplo, de quais antibióticos prescrever ou se recomendam uma cirurgia cardíaca de risco.
O sucesso dessas novas tecnologias, no entanto, depende em grande parte de como os médicos interpretam e agem sobre as previsões de risco de uma ferramenta – e isso requer um conjunto único de habilidades que faltam atualmente a muitos, de acordo com um novo artigo de perspectiva publicado hoje na revista Jornal de Medicina da Nova Inglaterra que foi escrito por professores da Escola de Medicina da Universidade de Maryland (UMSOM).
Os algoritmos CDS, que fazem previsões sob condições de incerteza clínica, podem incluir tudo, desde calculadoras de risco derivadas de regressão até sofisticados sistemas baseados em inteligência artificial e aprendizado de máquina. Eles podem ser usados para prever quais pacientes têm maior probabilidade de entrar em sepse com risco de vida devido a uma infecção descontrolada ou qual terapia tem a maior probabilidade de prevenir a morte súbita em um paciente com doença cardíaca individual.
“Essas novas tecnologias têm o potencial de impactar significativamente o atendimento ao paciente, mas os médicos precisam primeiro aprender como as máquinas pensam e funcionam antes de poderem incorporar algoritmos em sua prática médica”, disse Daniel Morgan, MD, MS, professor de epidemiologia e saúde pública na UMSOM e co-autor da perspectiva.
Embora algumas ferramentas de apoio à decisão clínica já estejam incorporadas aos sistemas de registros médicos eletrônicos, os provedores de cuidados de saúde muitas vezes consideram o software atual complicado e difícil de usar. “Os médicos não precisam ser especialistas em matemática ou computação, mas precisam ter uma compreensão básica do que um algoritmo faz em termos de probabilidade e ajuste de risco, mas a maioria nunca foi treinada nessas habilidades”, disse Katherine Goodman, JD, PhD, Professor Assistente de Epidemiologia e Saúde Pública na UMSOM e coautor da perspectiva.
Para resolver essa lacuna, a educação médica e o treinamento clínico precisam incorporar cobertura explícita de raciocínio probabilístico adaptado especificamente para algoritmos CDS. Drs. Morgan, Goodman e seu co-autor Adam Rodman, MD, MPH, no Beth Israel Deaconess Medical Center em Boston, propuseram o seguinte:
- Melhore as habilidades probabilísticas: No início da faculdade de medicina, os alunos devem aprender os aspectos fundamentais de probabilidade e incerteza e usar técnicas de visualização para tornar o pensamento em termos de probabilidade mais intuitivo. Esse treinamento deve incluir a interpretação de medidas de desempenho, como sensibilidade e especificidade, para entender melhor o desempenho do teste e do algoritmo.
- Incorporar a saída algorítmica na tomada de decisão: Os médicos devem ser ensinados a avaliar criticamente e usar previsões CDS em sua tomada de decisão clínica. Este treinamento envolve a compreensão do contexto em que os algoritmos operam, reconhecendo as limitações e considerando os fatores relevantes do paciente que os algoritmos podem ter perdido.
- Praticar a interpretação das previsões do CDS no aprendizado aplicado: Estudantes de medicina e médicos podem se envolver no aprendizado baseado na prática, aplicando algoritmos a pacientes individuais e examinando como diferentes entradas afetam as previsões. Eles também devem aprender a se comunicar com os pacientes sobre a tomada de decisão guiada pelo CDS.
A Universidade de Maryland, Baltimore (UMB), a Universidade de Maryland, College Park (UMCP) e o Sistema Médico da Universidade de Maryland (UMMS) lançaram recentemente planos para um novo Instituto de Computação em Saúde (IHC). O UM-IHC aproveitará os avanços recentes em inteligência artificial, medicina de rede e outros métodos de computação para criar um sistema de saúde de aprendizado de primeira linha que avalia dados médicos de saúde digitalizados e não identificados para aprimorar o diagnóstico, a prevenção e o tratamento de doenças. O Dr. Goodman está começando um cargo no IHC, que será um site dedicado a educar e treinar prestadores de serviços de saúde nas tecnologias mais recentes. O Instituto planeja eventualmente oferecer uma certificação em ciência de dados em saúde, entre outras oportunidades educacionais formais em ciências de dados.
“A análise de probabilidade e risco é fundamental para a prática da medicina baseada em evidências, portanto, melhorar as habilidades probabilísticas dos médicos pode oferecer vantagens que vão além do uso de algoritmos CDS”, disse UMSOM Dean Mark T. Gladwin, MD, vice-presidente de assuntos médicos, University of Maryland, Baltimore, e John Z. e Akiko K. Bowers Distinguished Professor. “Estamos entrando em uma era transformadora da medicina, na qual novas iniciativas, como nosso Institute for Health Computing, integrarão vastos tesouros de dados em sistemas de aprendizado de máquina para personalizar o atendimento de cada paciente.”
.
