O desenvolvimento de tecnologias baseadas em inteligência artificial (IA) na medicina está avançando rapidamente, mas como a IA pode de fato transformar os serviços de saúde e a vida das pessoas?
No estágio atual que se encontra a IA ,é possível visualizar impacto em três níveis: para os médicos, predominantemente através de interpretação rápida e precisa de imagens ; para os sistemas de saúde, melhorando o fluxo de trabalho e a alocação de recursos (financeiros e humanos) e para os pacientes, permitindo que eles processem seus próprios dados para promover a sua própria saúde.
Um campo que tem atraído atenção especial para a aplicação da IA é a radiologia. Só para citar um exemplo ,a radiografia de tórax é o tipo mais comum de exame médico, com mais de 2 bilhões de exames realizados em todo o mundo por ano. Os modelos Deep Learning atingiram a precisão médica em uma ampla variedade de tarefas diagnósticas, incluindo a identificação de sinais de melanomas, retinopatia diabética, risco cardiovascular e encaminhamentos de imagens de olho e de tomografia de coerência óptica (OCT) do olho, lesão mamária detecção em mamografias e análise da coluna vertebral com ressonância magnética. Um único modelo de aprendizagem profunda mostrou ser eficaz no diagnóstico em todas as modalidades médicas (por exemplo, radiologia e oftalmologia) .
A dermatologia, por ser definitivamente uma especialidade voltada para a abordagem visual , os ganhos na utilização de algoritmos treinados para identificar e classificar os riscos de lesões de pele são elevados. As fases de triagem e determinação de prioridades, feitas a partir de aplicativos e Smartphone, pode dar uma agilidade e um auxílio fundamental aos médicos e principalmente aos sistemas de saúde públicos, onde a dificuldade de agendar uma consulta é notória.
O estudo da visão e seus componentes, como a retina, também é um como promissor para utilização de fotografias como forma de diagnóstico. Um estudo comparando o desempenho entre algoritmos e oftalmologistas no diagnóstico de diferentes condições oculares obteve excelentes resutados. Após o treinamento com mais de 128.000 fotografias de fundo de retina rotuladas por 54 oftalmologistas, uma rede neural foi usada para avaliar mais de 10.000 fotografias de fundo de retina de mais de 5.000 pacientes para retinopatia diabética, e a classificação da rede neural foi comparada com sete ou oito oftalmologistas por todas as causas diagnósticos identificáveis (retinopatia moderada ou pior ou edema macular; escala: nenhuma, leve, moderada, severa ou proliferativa). Outro estudo de retina de OCT(Tomografia de Coerência Óptica) de Deep Learning foi além do diagnóstico de retinopatia diabética ou degeneração macular. Um grupo de 997 pacientes com uma ampla gama de 50 patologias da retina foi avaliado para encaminhamento urgente por um algoritmo e os resultados foram comparados com os de especialistas: quatro especialistas em retina e quatro optometristas. O algoritmo não perdeu um único caso de prioridade urgente.
Encontrar pequenos pólipos (<5 mm) na colonoscopia pode ser extremamente difícil para os gastroenterologistas. A primeira validação clínica prospectiva de IA foi realizada em 325 pacientes que coletivamente tinham 466 pequenos pólipos, com uma precisão de 94% e valor preditivo negativo de 96% durante a colonoscopia de rotina em tempo real. A velocidade do diagnóstico óptico da IA foi de 35 segundos, e o algoritmo funcionou igualmente bem tanto para os gastroenterologistas novatos quanto para os especialistas, sem a necessidade de injetar corantes. As descobertas de maior velocidade e precisão foram replicadas em outro estudo independente. Tais resultados são temáticos: a visão mecânica, em alta ampliação, pode interpretar com precisão e rapidez imagens médicas específicas tão bem quanto ou melhor que os humanos.
Estima-se que há 350 milhões de pessoas em todo o mundo lutando contra a depressão. O potencial para a IA prestar apoio aos pacientes afetados pela doença é enorme, tendo em vista o número insuficiente de médicos no tratamento desse distúrbio mental. O aprendizado de máquina ,Machine Learning, tem sido explorado para a previsão de medicação antidepressiva de sucesso, caracterizando a depressão, identificando risco de suicídio e prevendo episódios de psicose em esquizofrênicos.
Nos sistemas de gestão de saúde , o uso de Machine Learning poderia tornar mais eficiente e preciso o uso dos recursos hospitalares de cuidados paliativos. Por exemplo, se um algoritmo pudesse ser usado para estimar o risco de reinternação hospitalar de um paciente que, de outra forma, seria indetectável, medidas poderiam ser tomadas para evitar a alta e adequar os recursos que evitassem a reinternação. A visão mecânica (também conhecida como visão computacional), que usa dados de sensores ambientais, está atraindo atenção considerável nos sistemas de saúde para promover a segurança, monitorando atividades como a higiene , monitoração de pacientes na unidade de terapia intensiva e risco de queda pacientes.
Estima-se que do total de gastos com saúde , quase um terço está relacionado a hospitais. Com sensores portáteis e inteligentes de “vestir” os Wearables ( calçados, relógios, roupas, etc) podem monitorar continuamente todos os sinais vitais incluindo pressão arterial, frequência cardíaca e ritmo cardíaco, saturação de oxigênio no sangue, frequência respiratória e temperatura. O potencial de evitar que um grande número de pacientes sejam hospitalizados no futuro faz com que essa tecnologia seja de fato revolucionária, pois além de reduzir consideravelmente a incidência de infecção hospitalar pode reduzir os custos dos cuidados sem sacrificar a conveniência e o conforto para um paciente e sua família.
Uma onde de aplicativos voltados para área de cuidados médicos pessoal ira tomar conta da sociedade.Exames de Smartphone com IA poderão ser realizados para uma variedade de propósitos de diagnóstico médico, incluindo lesões de pele e erupções cutâneas, infecções de ouvido, enxaquecas e doenças da retina, como retinopatia diabética e degeneração macular relacionada à idade.
O processo de inclusão da IA para a medicina está apenas começando. Um novo conceito surge : Medicina Digital. Nossa missão na HVS Sistemas Cognitivos é solucionar os desafios digitais dessa nova era e transformar essa visão em realidade
