Entre em contato

Líderes de pensamento

AI é para aumentar, não substituir médicos – líderes de pensamento

Publicado

 on

Por: Doug Teany, consultor de inovação e ex-COO da Corindus

A IA e suas aplicações na área da saúde amadureceram consideravelmente nos últimos anos. As tecnologias de IA estão mais amplamente disponíveis para os profissionais de saúde do que nunca e apresentam grandes oportunidades na área da saúde, mas especialmente em procedimentos assistidos por robótica altamente complexos que exigem uma quantidade excepcional de percepção e previsão dos médicos. Infelizmente, ainda existe a crença de que a IA, como resultado de seu amadurecimento, inevitavelmente substituirá o papel do médico, embora isso não possa estar mais longe da verdade.

Na verdade, a IA capacita os médicos com novos conhecimentos e capacidades que melhoram a tomada de decisões clínicas e ajudam a alcançar resultados mais positivos para os pacientes. Transfere a sua atenção do pensamento técnico sobre a manobra de um fio através do coração para o pensamento mais holístico sobre a estratégia do caso e como alcançar o melhor resultado possível. Quando implantada em ambientes de procedimentos assistidos por robótica, a IA pode ajudar a construir uma enciclopédia de conhecimento histórico clínico e processual que qualquer médico pode acessar para resolver qualquer caso. A incorporação de recursos como a visão computacional revolucionará o atual padrão de atendimento, equipando os médicos com uma ferramenta poderosa que pode responder e prevenir complicações antes que elas surjam. Tudo isso é feito sem substituir o principal impulsionador do processo – o médico.

Estabelecendo as bases com insights baseados em dados e aprendizado de máquina

Hoje, os médicos confiam principalmente na experiência pessoal e nas habilidades individuais de tomada de decisão, que podem variar com base em seu treinamento, número de procedimentos concluídos e outros fatores. Em sua essência, a IA apresenta aos médicos novos dados e insights informativos anteriormente indisponíveis para eles, o que pode ser particularmente útil em configurações de procedimentos complexos que utilizam a robótica. Nesses casos em que dispositivos robóticos são conectados a armazenamentos de dados históricos, a IA oferece valor incomparável ao preencher lacunas de conhecimento com insights de milhares de casos semelhantes. Ao capacitar um médico com acesso a dados históricos de casos além de sua própria experiência, eles podem mitigar alguns dos riscos associados a esses procedimentos complicados.

O aprendizado de máquina permite que o sistema robótico aprenda com a experiência e se ajuste a novas entradas. Por sua vez, o robô pode automatizar seus movimentos para espelhar as mesmas técnicas utilizadas pelos melhores médicos do mundo, o que aumenta as chances de solucionar os desafios que surgem durante um caso. Em última análise, isso permite que os médicos concentrem sua atenção na estratégia do caso e respondam às complicações de maneira mais eficaz. Esse tipo de insight baseado em dados lembra como os dados mudaram drasticamente o cenário do beisebol profissional no início dos anos 2000, destacado pelo lançamento do livro Moneyball. O livro seguiu o Oakland Athletics e o gerente Billy Beane, que adotou uma abordagem baseada em dados e evidências para construir uma equipe, em vez de confiar em métodos desatualizados que careciam de dados. Por sua vez, esse modelo foi um enorme sucesso e efetivamente estimulou uma nova era do jogo impulsionada pelos dados.

Na área da saúde, um banco de dados de conhecimento processual alimentado por aprendizado de máquina cria percepções semelhantes para os médicos, equipando-os com informações valiosas anteriormente indisponíveis. A capacidade de visualizar um paciente no contexto de milhares de casos semelhantes permite que os médicos tomem decisões melhores e mais informadas sobre como lidar com um caso.

O Próximo Passo: Visão Computacional e Alta Automação

Todo o potencial da IA ​​em configurações processuais assistidas por robótica é totalmente realizado quando a percepção baseada em dados e o aprendizado de máquina são combinados com a visão computacional, permitindo que o sistema robótico identifique e responda de forma inteligente a situações com base em dados de imagem avançados. Nas intervenções cardiovasculares, uma porcentagem significativa do tempo do procedimento é dedicada à manipulação do fio, muito do qual é um método de "tentativa e erro" para navegar pelos vasos. Essa metodologia pode potencialmente levar a dispositivos médicos mal colocados, como stents, ou resultar em tempos de procedimento mais longos que aumentam a exposição à radiação para médicos e pacientes.

Mas, à medida que os sistemas automatizados continuam aprendendo movimentos eficazes e criando regras baseadas no conhecimento, podemos permitir que a visão computacional automatize partes maiores do procedimento. A visão computacional também permite que o sistema detecte complicações antes que elas ocorram, como quando um fio-guia prolapsa, e pode executar automaticamente ações corretivas para entregar o dispositivo e evitar danos ao paciente.

É importante ressaltar que a automação, independentemente do setor, está em um espectro, e a indústria automotiva oferece um exemplo sólido disso. Muitos dos carros de hoje têm algum grau de automação de baixo nível, como assistência de freio, controle de cruzeiro adaptativo e centralização de faixa. No outro extremo do espectro, fabricantes como a Tesla automatizam todas as funções críticas de segurança, exigindo menos ação dos motoristas, embora os motoristas ainda sejam necessários. O mesmo vale para a automação na área da saúde. Em última análise, a automação baseada em IA mantém os médicos no banco do motorista enquanto automatiza certas tarefas que desviam a atenção dos médicos de elementos críticos, como estratégia de caso e resposta a complicações.

 IA coloca os médicos no centro

 Preocupações sobre IA e automação substituindo médicos simplesmente não têm nenhum mérito e não se baseiam em um entendimento completo de como a saúde está implantando IA e aprendizado de máquina. Assim como os carros autônomos precisam de um motorista, os procedimentos intervencionistas automatizados nos quais estamos trabalhando precisarão da orientação de um médico, mas com o conhecimento adicional de uma enciclopédia digital construída com base na experiência de outros médicos altamente qualificados de todo o mundo. A automação padronizará a maneira como os procedimentos são realizados com um nível muito alto de qualidade, o que atinge o objetivo principal da automação robótica - tornar os casos mais seguros, rápidos e eficazes, reduzindo o trauma no paciente.

Doug Teany está atualmente atuando como Conselheiro de Inovação para Corindo, uma empresa da Siemens Healthineers. Ele trabalha com uma equipe dedicada a interromper o modelo atual de atendimento para ataque cardíaco e derrame, normalizando procedimentos robóticos remotos, ou telerobótica, que podem reduzir significativamente as taxas de mortalidade e incapacidade de longo prazo por meio da prestação de atendimento oportuno.