Como o uso de Inteligência Artificial e Robótica estão transformando o setor de Saúde
O uso de Inteligência Artificial melhora os serviços em saúde? Os robôs vão substituir os profissionais no longo prazo?
A resposta a essas perguntas é: Depende.
Na minha opinião, tecnologias avançadas de inteligência artificial e robótica são ferramentas poderosas na melhoria contínua dos serviços prestados, não só em saúde como em qualquer setor.
Atividades consideradas repetitivas ou inseguras tendem a um processo natural de transformação tecnológica em todos os tipos de empresas.
Isso significa que os profissionais de saúde serão substituídos? Não. Com o uso correto de tais tecnologias, os profissionais da área certamente terão um grande aliado em soluções que vão a detecção com grande antecedência de doenças ao desenvolvimento de novos medicamentos com base em análises avançadas de dados.
De acordo com o The State of AI: Inteligência Artificial nos Negócios:
- 72% das empresas acreditam que a Inteligência Artificial será de extrema importância em seus negócios no futuro;
- Machine Learning é atualmente a maior área de investimento neste setor;
- 62% das empresas estão pensando em investir em IA em breve.
E qual a definição de Inteligência Artificial em Saúde?
A inteligência artificial no setor de saúde, assim como em outros setores, diz respeito ao uso de algoritmos complexos com o objetivo de automatizar determinadas tarefas.
Em saúde, especificamente, os algoritmos são alimentados com dados inseridos por médicos e pesquisadores da área, e podem interpretar, detectar e sugerir soluções para complexos problemas da medicina.
E qual o objetivo do uso de IA no setor de saúde?
A inteligência artificial usa o conhecimento especializado para resolver não apenas problemas específicos, mas também complexos. Assim, o uso eficiente de tecnologias de IA tem como objetivo, além do foco em melhorar os resultados de diagnóstico para os pacientes, reduzir os custos dos serviços de saúde, alinhado aos interesses dos stakeholders das empresas do setor.
O uso de tais técnicas no campo da medicina depende da análise e interpretação de grandes volumes de conjuntos de dados para ajudar os médicos na tomada de decisões, no gerenciamento de dados de pacientes, de forma a criar programas de tratamento personalizados a partir de conjuntos de dados complexos.
Além disso, o avanço no uso de tais técnicas pode ser utilizado para revolucionar o processo de desenvolvimento de novos medicamentos.
E quais são os principais obstáculos?
Um dos maiores obstáculos ao uso da inteligência artificial na área da saúde é superar a letargia para revisar processos que não estão mais funcionando e experimentar novas tecnologias.
De forma adicional, muitos executivos da área da saúde ainda são reticentes na aplicação de IA, em função de aspectos relacionados a privacidade e disponibilidade dos dados. Além destes aspectos, no Brasil ainda há o problema de falta de integração dos dados, o que leva a uma repetição desnecessária de exames, principalmente na rede pública.
Outro obstáculo é o receio dos pacientes, não só com a privacidade e segurança de suas informações, como também com a possibilidade de receber um diagnóstico ou medicamento indicado por máquinas. Em função de erros ocorridos em recentes aplicações de IA em outros setores, tais como carros autônomos e reconhecimento facial, é normal que os pacientes ainda fiquem receosos com os avanços tecnológicos em medicina.
Como superar tais barreiras?
Para solução de tais barreiras, pode-se argumentar que o aumento do uso de tecnologias nos sistemas de saúde pode realmente melhorar os serviços prestados e dar aos pacientes mais controle sobre sua própria saúde, envolvendo-os no processo de forma que estes possam, inclusive, realizar o monitoramento remoto de suas condições.
Assim, concentrar os esforços na melhor prestação de serviços e fornecer atendimento personalizado e garantias de que a tecnologia da IA não substituirá os médicos, pode dissipar a ansiedade dos pacientes.
Uma contribuição importante para a adoção de tecnologias de Inteligência Artificial no setor de saúde está na possibilidade de que os médicos criem planos de atendimento mais personalizados e se concentrem mais na interação e nos cuidados do paciente, do que com atividades muitas vezes burocráticas.
E, conforme o volume de dados disponíveis continua a crescer consideravelmente, o uso de IA é o mecanismo que impulsiona as melhorias em todo o processo do atendimento.
Isso permitirá que os algoritmos de aprendizado de máquina se tornem cada vez mais precisos à medida que interagem com os dados de treinamento, o que vai proporcionar aos usuários do sistema de saúde uma visão sem precedentes sobre diagnósticos, processos de atendimento, assim como maiores opções de tratamento.
Deste modo, é praticamente impossível um futuro em que saúde e inteligência artificial não se conectem profundamente.
Como o uso de Inteligência Artificial já está melhorando o setor de Saúde?
Abaixo, fiz um apanhado de algumas das principais aplicações tecnológicas de Inteligência Artificial no setor de saúde e como estas já estão auxiliando na transformação do setor:
1) Uso de IA para prever o câncer de mama com até cinco anos de antecedência e personalizar os cuidados:
Um excelente exemplo do uso de IA em saúde foi realizado pelo Laboratório de Ciência da Computação e Inteligência Artificial do MIT, que desenvolveu um novo modelo de previsão baseado em aprendizagem profunda (Deep Learning) que pode antecipar o desenvolvimento do câncer de mama com até cinco anos de antecedência.
O modelo, que avaliou mais de 90.000 mamografias de mais de 60.000 pacientes, aprendeu os padrões sutis do tecido mamário que são precursores de tumores malignos. E o modelo desenvolvido foi significativamente melhor na previsão de risco do que as abordagens já existentes, tendo como resultado uma precisão de 31% de todos os pacientes com câncer na categoria de maior risco, contrastando com apenas 18% dos modelos tradicionais.
Nos modelos tradicionais, o processo é realizado de acordo com os principais fatores de risco, como idade, história familiar de câncer de mama e ovário, fatores hormonais e reprodutivos e densidade mamária. Entretanto, a maioria desses fatores é fracamente correlacionada com o câncer de mama, o que limita a atuação dos programas de rastreamento com base em fatores de risco.
Em vez de identificar manualmente os padrões em uma mamografia que indicam a doença, a equipe do MIT treinou um modelo de aprendizagem profunda para obter os resultados diretamente dos dados, identificando padrões muito sutis para o olho humano detectar. Neste sentido, foi aberto espaço para um aumento de precisão na avaliação individual de risco.
E um dos aspectos mais relevantes: Os pesquisadores reconheceram que projetos anteriores relacionados ao assunto tiveram como base de análise populações esmagadoramente brancas e, assim, os resultados tinham um viés inerente a população avaliada, sendo muito menos precisos para outras raças.
Desta forma, o projeto também teve como objetivo tornar a detecção do câncer mais equitativa. O modelo do MIT teve resultados igualmente precisos para mulheres brancas e negras, tornando o resultado especialmente importante, tendo em vista que as mulheres negras demonstraram 42% mais probabilidade de morrer de câncer de mama, devido a uma ampla série de fatores que podem incluir diferenças na detecção e acesso aos cuidados de saúde.
E esses resultados significativos do uso de Inteligência Artificial abrem um imenso campo no processo de ajudar os profissionais de saúde na montagem de um programa de triagem correto para os indivíduos, reduzindo consideravelmente o doloroso processo de um diagnóstico tardio.
De forma complementar, eles possibilitam a melhoria na detecção de outras doenças que possuem características similares em termos de uso de fatores de risco na detecção e baixo grau de precisão.
2) Detecção de câncer com base análise de redes (Network Analysis)
Outro estudo relacionado ao uso de IA para detecção de câncer foi feito por cientistas da Universidade da Califórnia e da Universidade de Surrey.
Em um estudo pioneiro, os pesquisadores utilizaram análise de redes (Network Analysis) como uma técnica para avaliar a conexão entre sintomas comuns exibidos por um grande grupo de pacientes com câncer que recebem tratamento quimioterápico.
As descobertas conseguidas no estudo podem ser usadas para orientar o desenvolvimento de intervenções de gerenciamento de sintomas com base na identificação dos principais sintomas e no agrupamento destes em uma rede.
3) Detecção de câncer de pele
Pesquisadores da Alemanha, EUA e França utilizaram redes neurais convolucionais* para detectar câncer de pele.
Neste estudo, os resultados do algoritmo mostraram, pela primeira vez, que o uso de redes neurais de Deep Learning foi melhor do que o diagnóstico de dermatologistas experientes na detecção de câncer de pele.
Os pesquisadores treinaram uma CNN* para identificar câncer de pele, mostrando mais de 100.000 imagens de lesões malignas de pele (a forma mais letal deste tipo de câncer), bem como lesões benignas. Eles compararam seu desempenho com o de 58 dermatologistas internacionais e descobriram que a rede neural foi mais eficiente na detecção de tumores que o grupo de dermatologistas. Como resultado, a média de acerto dos humanos foi de 86,6% contra 95% da inteligência artificial.
*Redes Neurais Convolucionais ou CNN (Convolutional Neural Networks) são um tipo de Redes Neurais Artificiais, parte do aprendizado profundo (ou Deep Learning). São técnicas utilizadas principalmente em reconhecimento de imagens e processamento de vídeo. Como redes neurais são inspiradas no funcionamento dos neurônios do cérebro, a rede é capaz de aprender rapidamente com imagens que “vê” e “alimentar” o algoritmo com o que aprendeu para melhorar seu desempenho (processo conhecido como aprendizado de máquina ou Machine Learning). De forma resumida: no estudo, a cada imagem de treinamento, a CNN aprimorou sua capacidade de diferenciar entre tumores malignos e benignos.
4) Previsão de mortes prematuras
Um estudo realizado por especialistas da Universidade de Nottingham indicou que computadores são capazes de aprender a prever mortes prematuras, o que pode melhor consideravelmente os cuidados preventivos com saúde no futuro.
Os pesquisadores desenvolveram um algoritmo de Machine Learning* com o objetivo de prever o risco de morte precoce, causada por doenças crônicas em uma grande população de meia-idade do Reino Unido, composta por mais de meio milhão de pessoas com idades entre 40 e 69 anos, que foram acompanhadas até 2016.
O algoritmo levou em consideração para criar os modelos de previsão uma série de fatores demográficos, biométricos, clínicos e de estilo de vida de cada indivíduo avaliado, até mesmo o consumo alimentar de frutas, legumes e carne por dia.
Eles descobriram que esse sistema de Inteligência Artificial foi muito preciso em suas previsões e teve um desempenho melhor que a atual abordagem padrão de previsão desenvolvida por especialistas.
*No estudo foram utilizados os algoritmos de Floresta Aleatória, Regressão Logística, Gradient Boosting e Redes Neurais. Os resultados foram comparados com as abordagens tradicionais da Regra de COX e modelo multivariado de COX.
5) Apple cria ecossistema de informações de saúde
A Apple vem trabalhando no registro de informações de saúde dos usuários de dispositivos da empresa e criou parcerias em todo o ecossistema de assistência médica, com fornecimento de um campo de testes para o desenvolvimento de aplicativos de saúde.
A empresa já lançou duas estruturas de código aberto, a ResearchKit e a CareKit, que permitem que pesquisadores e desenvolvedores criem aplicativos médicos para facilitar estudos clínicos e monitorar o dia a dia das pessoas.
Em outro exemplo, pesquisadores da Duke University desenvolveram o aplicativo Autism & Beyond, que tem como objetivo testar algoritmos de reconhecimento facial do Iphone para analisar a emoção e o comportamento de uma criança e rastrear autismo e aspectos de saúde mental, como ansiedade, por exemplo.
Entendendo mais sobre a doença de Parkinson
Desde o lançamento em 2015, mais de dez mil pessoas usaram o app mPower para participar do maior estudo sobre a doença de Parkinson da história.
O app, que ajuda os pesquisadores a compreender melhor a doença de Parkinson, usa os recursos do iPhone para medir a destreza, o equilíbrio, o modo de andar e a memória dos participantes. Desta forma, os pesquisadores conseguem compreender melhor os fatores que influenciam os sintomas, como o sono, a atividade física e o estado de ânimo dos portadores da doença.
6) O cirurgião-robô
É fato que estamos muito distantes do mundo no qual os médicos e enfermeiros são substituídos por robôs.
Então, o que os robôs já estão fazendo nos hospitais?
O uso do cirurgião-robô está evoluindo, com sistemas mais novos incorporando teleoperação e treinamento em realidade virtual.
Apesar do alto custo destes equipamentos, cada vez mais hospitais vêm optando pelo seu uso, que pode ajudar os cirurgiões a realizar operações minimamente invasivas, com maior rapidez e facilidade na recuperação dos pacientes quando comparado com os procedimentos tradicionais.
O robô da Vinci é o mais popular do mercado, mas outras opções estão surgindo, incluindo modelos para procedimentos específicos.
Robô da Vinci
O Sistema Cirúrgico da Vinci, que foi o primeiro dispositivo de cirurgia robótica a obter autorização da FDA para uso em cirurgias laparoscópicas gerais, permite que os cirurgiões realizem vários procedimentos minimamente invasivos com maior precisão.
O sistema, que já foi utilizado em mais de 6 milhões de procedimentos, também se aplica a outros tipos de operações, incluindo cirurgias cardíacas, colorretais, ginecológicas, de cabeça e pescoço, torácicas, de urologia e gerais.
Sistema Cirúrgico PRECEYES
Sistema desenvolvido para auxiliar cirurgiões oftalmológicos na realização das tarefas cirúrgicas mais exigentes, com alta precisão.
Outros exemplos:
Robô Mako
Robô desenvolvido para auxiliar nas cirurgias de joelho e quadris.
Robo Versius
7) O enfermeiro-robô
Os enfermeiros-robôs estão ajudando os profissionais da área de saúde, principalmente na ajuda em tarefas diárias repetitivas, monótonas ou inseguras, como esterilização de equipamentos, busca de suprimentos médicos, entrega de alimentos e medicamentos, e movimentação e transferência de pacientes.
Os robôs também podem ajudar na reabilitação do paciente, analisando dados de saúde, no treinamento da equipe e no monitoramento do paciente.
Além disso, o uso de robôs para tarefas simples também ajuda os hospitais na redução de custos e desperdícios, assim como na otimização de processos.
Enfermeiros-Robôs famosos
A robótica na área da saúde já é uma realidade, conforme exemplos famosos abaixo:
Robô Moxi
O robô, projetado para ajudar as enfermeiras, concluiu seu primeiro teste no mundo real em um hospital do Texas. Ele foi projetado e construído pela empresa Diligent Robotics, com sede em Austin, não tendo como objetivo agir como uma enfermeira. Em vez disso, ele foi projetado para executar aproximadamente 30% das tarefas que os enfermeiros fazem que não envolvem interação com os pacientes, como entregar amostras para análise em laboratório, por exemplo.
O robô incorpora a Inteligência Artificial (IA) no processo de mapeamento e aprendizado do ambiente. Assim, ele se move sobre um conjunto de rodas e usa sensores para ajudá-lo a evitar obstáculos. Por meio de um braço e de uma garra sofisticada ele consegue executar tarefas como: selecionar itens médicos do estoque, colocar em uma bandeja e entregar em todos os ambientes.
Robô Dinsow
Usado pelos hospitais tailandeses e japoneses para atendimento aos pacientes idosos, o robô Dinsow realiza o monitoramento dos pacientes e se comunica por vídeo com os seus parentes. Ele também alerta os cuidadores sobre a atividade do paciente por telefone, fornece lembretes para medicamentos e exercícios, além de exercícios junto aos idosos.
Robô Pepper
Este robô trabalha na área de recepção de dois hospitais belgas, cumprimentando pessoas e orientando os pacientes. Ele é capaz de reconhecer 20 idiomas e identificar sentimentos como alegria, tristeza, surpresa e raiva; e sinais não verbais, como inclinações de cabeça, sorrisos e mudanças na voz.
Ele também auxilia de forma clínica, agendando consultas, fornecendo educação ao paciente e interpretando padrões em órgãos vitais / laboratórios no contexto médico adequado.
Robô Paro
O robô Paro possui cinco tipos de sensores: tátil, de luz, de audição, de temperatura e de postura, com os quais pode perceber as pessoas e seu ambiente. Ele é usado em hospitais em várias partes do mundo, estimulando a interação entre pacientes e cuidadores, ajudando a reduzir o estresse do paciente, melhorando o relaxamento e a motivação, sendo capaz de se envolver em conversas simples e confortar pacientes tímidos com carinho.
Robô Tugs
O Tugs, fabricado pela Aethon, de Pittsburgh, é usado em hospitais dos Estados Unidos para o transporte de medicamentos, roupas de cama e amostras de laboratório.
Robô Lucas
O LUCAS é um sistema de compressão torácica automatizado, considerado pelo fabricante seguro e eficiente de usar. Ele fornece compressões automatizadas que sustentam um fluxo sanguíneo mais alto no cérebro e no coração, em comparação com as compressões manuais.
8) Uso de Inteligência Artificial no Setor Farmacêutico
Outra indústria que pode se beneficiar com o uso de Inteligência Artificial é a farmacêutica. Atualmente, a indústria enfrenta diversos desafios para sustentar seus programas de Pesquisa e Desenvolvimento de medicamentos, em função do aumento dos custos no setor, estimado em US$ 70 bilhões para as 10 maiores empresas do ramo.
Atualmente, há dezenas de empresas que utilizam a Inteligência Artificial para ajudar na descoberta e desenvolvimento de medicamentos, na redução de custos com P&D, na melhoria da eficiência de processos e na diminuição dos longos prazos relacionados à esta indústria.
Consórcio MELLODDY se une para impulsionar a descoberta de medicamentos com inteligência artificial
Um dos muitos exemplos no setor é o grandioso Consórcio MELLODY (Machine Learning Ledger Orchestration for Drug Discovery), que busca acelerar a descoberta de medicamentos usando Aprendizado de Máquina para destravar o potencial máximo de dados da Indústria Farmacêutica.
Sendo considerado um mercado tradicionalmente rígido com aspectos de confidencialidade e propriedade intelectual, empresas farmacêuticas do setor uniram forças para impulsionar a descoberta de medicamentos com o uso de Inteligência Artificial.
O projeto de colaboração considerado como inovador tem como objetivo utilizar métodos de aprendizado de máquina nas bibliotecas químicas de 10 empresas farmacêuticas para desenvolver uma plataforma que cria modelos mais precisos para prever quais compostos podem ser promissores nos estágios finais da descoberta e desenvolvimento de medicamentos.
O consórcio MELLODDY é composto por 17 empresas:
- 10 empresas farmacêuticas: a Amgen, a Astellas, a AstraZeneca, a Bayer, a Boehringer Ingelheim, a GSK, a Janssen Pharmaceutica NV, a Merck KgaA, a Novartis e o Institut de Recherches Servier.
- 2 universidades: KU Leuven, Budapeste Muszaki es Gazdasagtudomanyi Egyetem
- 4 startups: Owkin, Fundação Substra, Loodse, Iktos
- 1 empresa de plataforma de Inteligência Artificial: NVIDIA
O MELLODDY visa treinar modelos de aprendizado de máquina em conjuntos de dados das empresas envolvidas, garantindo a preservação da privacidade dos dados e dos modelos.
Nesta plataforma, cada empresa farmacêutica executará algoritmos de Aprendizado de Máquina em larga escala, usando seu próprio cluster de GPU da NVIDIA, hospedado na Amazon Web Services.
Os dados permanecem descentralizados e nunca saem da infraestrutura da empresa proprietária, sendo compartilhados somente os modelos não sensíveis.
Os desenvolvedores da plataforma criarão um modelo de aprendizagem profunda (Deep Learning) que será treinado em dados de aproximadamente 10 milhões de compostos químicos.
Cada empresa farmacêutica poderá assim, de forma individual, ajustar o modelo de IA ao seu campo específico de pesquisa, de forma que cada organização mantenha seus projetos de pesquisa confidenciais. Desta forma, o projeto tem como premissa alavancar o maior conjunto de dados compostos de medicamentos do mundo para treinamento em IA sem causar impacto na privacidade dos dados.
Atualmente, levar um medicamento ao mercado demora, em média, 13 anos e aproximadamente US$ 2 bilhões. Desta forma, compartilhar tais dados tem grandes vantagens: quanto mais dados uma empresa farmacêutica tem à sua disposição, melhor o desempenho preditivo da descoberta de medicamentos, e maior a velocidade de transformação do setor, em termos de taxa de sucesso, potencial redução dos prazos para descobertas e nos custos com tratamentos.
Quais os riscos e desafios na adoção de Inteligência Artificial no setor de saúde?
Enquanto o uso de Inteligência Artificial tem um enorme potencial para ajudar a redefinir o setor de saúde, a sua adoção não é uma jornada simples.
Entre os principais desafios estão:
- O desconhecimento da tecnologia. Para muitas empresas, a IA ainda é considerada uma “caixa preta” devido à novidade. As técnicas podem ser novas para muitos pesquisadores e difíceis de serem seguidas. Neste caso, tornar transparente os métodos e resultados poderia ajudar na verificação científica e no desenvolvimento futuro do campo.
- Ausência de infraestrutura de tecnologia adequada. A maior parte das empresas do setor não foi concebida para o uso de Inteligência Artificial e ainda segue um modelo tradicional no que diz respeito ao uso de tecnologia, com muitos sistemas descentralizados e, algumas vezes, com informações que não se relacionam.
- A maior parte dos dados do setor de saúde, assim como nas demais indústrias, está em formato não estruturado (texto livre), sendo requerido o uso de técnicas de agrupamento de forma que tais informações possam ser tratadas e analisadas.
- Preocupações constantes com segurança e confidencialidade das informações: Um possível risco no uso de IA é a capacidade de hackers de se infiltrarem nos bancos de dados de assistência médica e obterem acesso a informações confidenciais, tal como já aconteceu no passado.
- Na medicina, a incorporação de novas tecnologias sempre significou a elevação de custos com tratamentos e diagnósticos, com estimativas globais apontando de 40% a 50% do aumento dos gastos com saúde relacionado aos avanços tecnológicos.
Qualquer nova maneira de trabalhar com Inteligência Artificial terá um preço, seja no custo para as empresas que desenvolvem as tecnologias, seja no lucro da indústria farmacêutica com novos medicamentos, ou no possível risco de perda de privacidade dos dados dos pacientes.
A melhor maneira, neste caso, é garantir uma boa governança no uso de tais técnicas na área da saúde, não devendo ser esse um papel exclusivo de algumas empresas do setor e sim uma questão a ser discutida entre todos os envolvidos.
Apesar de todos esses desafios, saúde e tecnologia são dois setores que sempre andaram de mãos dadas.
É evidente que pesquisas adicionais são necessárias para a verificação e validação desses algoritmos e ainda há bastante trabalho para a oferta de diagnósticos mais rápidos e precisos aos pacientes mas uma coisa é certa: a Inteligência Artificial já está ajudando a redefinir a medicina e a indústria farmacêutica, tanto na melhoria e na personalização do atendimento aos pacientes quanto no aumento da eficiência operacional, resultados e lucros.
E isso não se restringe ao setor de saúde. Quando se trata de inteligência artificial, aprendizado de máquina e ciência de dados, não existe uma única indústria que possa se dar ao luxo de ficar de fora.
Espero que vocês tenham gostado. Muito obrigada!
Gostou? Clique nos aplausos — eles vão de 1 a 50 — e deixe o seu comentário!❤
Veja nossos outros artigos em:
