A inteligência artificial (IA), assim como em outro setores, na medicina vem simplificando o que era complexo e requisitava um nível altíssimo de especialização do profissional de saúde.

Nesse sentido, os avanços vão desde o desenvolvimento de medicamentos até decisões de tratamento, assistência ao paciente. Dentro dos centros de saúde, as escolhas auxíliadas por IA incluem as operacionais e financeiras.

IA na detecção e diagnóstico de doenças

A inteligência artificial pode ajudar na detecção precoce de doenças por meio da análise de grandes quantidades de dados e imagens médicas. O artigo “Inteligência artificial no diagnóstico de doenças” mostra que existem softwares de IA focados na radiologia que analisam milhares de imagens em apenas alguns minutos, reconhecendo padrões de doenças.

Segundo o texto, na neurologia, pesquisadores da Universidade da Califórnia utilizam a inteligência artificial para detectar problemas precoces de demência, cerca de 6 anos antes do diagnóstico final, fase anterior ao Alzheimer, para possibilitar tratamento preventivo.

A IA também pode ser usada para detectar padrões temporais e espaciais, além de mudanças nas características dos nódulos para prever o risco de câncer de pulmão em três anos, possibilitando o tratamento precoce da doença.

O uso de machine learning na medicina

O uso de machine learning na medicina tem se expandido nos últimos anos, é o que mostra o artigo Machine Learning na Medicina: Revisão e Aplicabilidade. Isso se deve, principalmente, pelo desenvolvimento do deep learnig (aprendizado profundo), viabilizado pelo aumento do big data disponível nas redes sociais e na internet, e pelo barateamento do hardware.

Na dermatologia, uma rede neural artificial –modelo computacional inspirado no funcionamento do cérebro humano, apto a aprender a partir de dados para realizar tarefas– foi capaz de diferenciar lesões dermatológicas entre benignas e malignas, a partir de mais de 129 mil casos, com resultados similares a um comitê de 21 dermatologistas.

Já no campo da psiquiatria, um estudo com técnicas de machine learning reduziu o número de critérios diagnósticos de 29 para 8 com 100% de acurácia em 612 pacientes com diagnóstico firmado de transtorno do espectro autista.

Segundo dados do PubMed (NCBI) e Medline, aproximadamente 113 mil artigos relacionados a "machine learning", "artificial intelligence", "unsupervised learning", "supervised learning" e "neural networks" foram publicados entre 1951 e 2019, indicando um crescente interesse e uso da tecnologia na área médica.

Outras aplicações da IA na saúde

O deep learning –subárea do machine learning que utiliza redes neurais profundas para aprender e representar padrões complexos em dados– é uma tecnologia útil na previsão de eventos a partir de dados gerados durante o atendimento clínico, como registros médicos, imagens clínicas, dados de monitoramento contínuo de sensores e dados genômicos.

Na saúde, mostra um artigo do Nexo, essa tecnologia pode ser usada para criar e gerenciar documentação clínica e de pesquisa, além de apoiar a comunicação entre pacientes e profissionais de saúde.

Também vale lembrar a funcionalidade dos os robôs, que podem ser usados para realizar procedimentos cirúrgicos minimamente invasivos em diferentes especialidades médicas, sendo comuns na urologia e na oncologia.

Em casos mais simples da aplicação da IA na medicina está a automação de processos. São casos básicos como a atualização de registros de pacientes e envio de lembretes. Quando combinados com outras tecnologias, como reconhecimento de imagem, eles podem ser usados para extrair dados de imagens, por exemplo, enviadas por e-mail, e inseri-los nos sistemas de registro clínico.

Os desafios éticos e de privacidade da IA na saúde

O avanço da inteligência artificial na saúde, especificamente na detecção e diagnóstico de doenças, apresenta inúmeras vantagens e promessas, mas também traz consigo desafios éticos e de privacidade.

Um dos principais desafios éticos é garantir que a IA seja utilizada de forma responsável e transparente. Ao tomar decisões críticas de saúde, é fundamental que os resultados e o funcionamento dos algoritmos de IA possam ser compreendidos e explicados pelos profissionais de saúde e pacientes.

A questão da equidade também se destaca como um desafio ético. É fundamental garantir que a implementação da IA na detecção de doenças não cause disparidades no acesso aos cuidados de saúde.

Isso significa que a IA deve ser desenvolvida e treinada com uma amostra diversificada e representativa de pacientes, para que as decisões baseadas nessa tecnologia sejam justas e precisas para todas as populações.

Quanto à privacidade, a utilização de grandes quantidades de dados médicos para treinar os modelos de IA pode levantar preocupações sobre a proteção dos dados dos pacientes.

É essencial garantir que os dados de saúde sejam coletados, armazenados e compartilhados de forma segura e de acordo com as regulamentações e padrões de privacidade aplicáveis.

A anonimização adequada dos dados é um aspecto crucial para proteger a identidade dos pacientes e evitar violações de privacidade.

Outro desafio relacionado à privacidade é o uso de dados pessoais sensíveis para fins comerciais ou publicitários.

É necessário estabelecer limites claros sobre como os dados de saúde podem ser usados e garantir que os pacientes sejam devidamente informados e tenham controle sobre o uso de suas informações.