A sobrecarga de cuidados que sofre a saúde pública em Espanha está longe de ser um fenómeno isolado. Muitos outros países, como o Reino Unido, Portugal e França, enfrentam desafios semelhantes que colocam uma pressão crescente sobre os sistemas de saúde. O investimento insuficiente, uma mão-de-obra escassa composta por profissionais vítimas de abusos e sobrecarregados e uma procura cada vez maior de serviços de saúde – em grande parte devido ao envelhecimento progressivo da população – constituem uma tempestade perfeita para a progressiva precariedade do sistema.

Perante este panorama sombrio, poderá a inteligência artificial tornar-se uma ferramenta valiosa que ajude, juntamente com outras medidas, os sistemas de saúde a superar a situação crítica em que se encontram? Nos últimos anos, esta nova tecnologia sofreu um desenvolvimento espetacular e as suas capacidades já são tais que é apenas uma questão de tempo até que acabe por ser integrada na medicina para diferentes aplicações. Assim, o futuro deste sector está indissociavelmente ligado ao progresso da IA, mesmo que por enquanto apenas vejamos o seu início.

Um estudo recente verificou que ChatGPT conseguiria se formar em medicina nos Estados Unidos, desde que pudesse passar nos exames necessários para isso. Na Espanha, esta IA também passaria no MIR com apenas 25% de respostas incorretas.

Vários grupos de pesquisa estão desenvolvendo e avaliando tecnologias como ChatGPT e outras para se tornarem essencialmente um assistente virtual do médico. A ideia não é apenas melhorar a eficiência do médico nas suas diversas tarefas, mas também ajudá-lo a realizar um trabalho melhor. Estima-se que aproximadamente 15% dos diagnósticos médicos estão incorretos. Uma IA bem treinada que apoie estas casas de banho poderia reduzir a percentagem de erros, ao mesmo tempo que tornaria o seu trabalho mais produtivo.

A grande vantagem da IA ​​sobre os humanos é a sua capacidade de processar grandes quantidades de dados em segundos. Nenhum médico poderia ter conhecimento de todas as notícias científicas publicadas diariamente nas diversas especialidades médicas. Por outro lado, este trabalho não representaria um problema para a inteligência artificial. Os sistemas de saúde poderiam utilizar esta força da IA ​​a seu favor, ou seja, utilizá-la como fornecedores das informações médicas mais recentes e rigorosas relativas ao diagnóstico e tratamento de uma infinidade de doenças. Além disso, diante de dúvidas sobre pacientes específicos, essa tecnologia poderá oferecer conhecimentos adicionais à experiência do médico para tomar decisões mais precisas.

Diagnósticos e análises complexos

A IA também poderia analisar todo o histórico médico de um paciente para destacar dados importantes, fazer recomendações de tratamento personalizadas e ajudar a detectar interações medicamentosas potencialmente prejudiciais. Por exemplo, a polifarmácia em idosos é um problema muito comum em todo o mundo, e frequentemente podem ocorrer efeitos de interação adversa entre medicamentos que poderiam ser evitados com uma análise global de todos os tratamentos facilitada pela IA. Por outro lado, esta tecnologia também poderia ajudar os médicos a explicar conceitos aos pacientes com mais facilidade. Mas, na realidade, não é necessário ir para um futuro distante em que a IA executa tarefas complexas, para poder já aproveitar o seu potencial. Com uma série de mudanças na infraestrutura de TI, esta tecnologia poderia ser usada agora para aliviar a burocracia e a burocracia em que os médicos estão imersos. Os médicos passam grande parte do dia digitando no computador para redigir uma infinidade de documentos, o que consome muito tempo em seu trabalho clínico. Essa tarefa poderia ser bastante acelerada com uma IA que transcreve automaticamente as palavras do médico ou executa comandos simples, como fazem hoje assistentes populares como Alexa ou Siri. Por exemplo, um médico pode perguntar a esta tecnologia: “Você poderia anotar a licença médica de Alonso Sánchez?”

Não é ficção científica. Já existem diferentes sistemas utilizados em alguns locais para auxiliar no diagnóstico ou prognóstico de diversas doenças. Desde antecipar lesão renal aguda até prever com precisão as chances de remissão da leucemia (câncer no sangue) ou de acordar do coma. Na verdade, diferentes algoritmos já são capazes de diagnosticar certas condições com mais precisão do que os próprios médicos especialistas: diferentes tipos de cancro, arritmias cardíacas, doenças oculares como a retinopatia diabética (doença da retina causada pela diabetes) ou inflamação da úvea (camada média do olho).

Por outro lado, decidir qual o regime de tratamento mais adequado após o diagnóstico pode ser complicado, pois depende de múltiplos fatores associados às características biológicas do paciente e da doença. Neste campo complexo, as IA provaram ser uma ferramenta de apoio poderosa para os médicos. É o caso do sistema IBM Watson, que, após análise do diagnóstico de 1.000 casos de câncer, 99% dos planos de tratamento recomendados pela IA coincidiram com as sugestões dos oncologistas. Além disso, com a sua capacidade de processar milhares de estudos clínicos em minutos, o Watson ofereceu novas opções de tratamento que os especialistas perderam 30% das vezes devido à sua incapacidade de acompanhar todas as notícias científicas médicas. Outro grande passo nesta IA foi o diagnóstico em dez minutos de uma mulher com leucemia, depois de vários médicos terem estudado o seu caso sem sucesso durante meses.

Outro ponto forte da IA ​​é a sua capacidade de prever o risco de cancro. Nem sempre é fácil saber o risco de uma pessoa desenvolver cancro a partir da análise de lesões específicas, especialmente quando ocorrem numa fase muito inicial do desenvolvimento do tumor. Com o objetivo de fortalecer esta tarefa de radiologistas, patologistas e outros especialistas, foram criadas diversas IAs que oferecem maior precisão que os médicos. Por exemplo, o Google e a Northwestern University, nos Estados Unidos, conseguiram desenvolver um algoritmo que deu aos médicos uma taxa de sucesso igual ou até melhor na previsão de um possível câncer de pulmão (com menos falsos positivos e falsos negativos) a partir de imagens feitas por tomografia axial computadorizada (TC). ). ). Quando o diagnóstico foi baseado em uma única imagem atual (sem as anteriores), o sistema foi mais preciso que os radiologistas. Para o treinamento da IA ​​foram utilizadas milhares de imagens tomográficas nas quais o diagnóstico de câncer de pulmão foi confirmado ou rejeitado com base nos resultados das biópsias.

E este tipo de tecnologia não é a única que demonstrou o seu potencial na detecção de lesões pré-cancerosas ou cancerígenas precoces. Outra IA que utiliza aprendizagem profunda é capaz de rastrear automaticamente o câncer cervical com base em imagens de câmeras digitais. Os investigadores recomendam esta ferramenta em particular aos países de baixo e médio rendimento, uma vez que é nestes países que ocorrem aproximadamente 90% das mortes por cancro do colo do útero, em parte devido a campanhas de prevenção limitadas.

Ainda em fase experimental, as IAs são utilizadas para inúmeras aplicações: prever o aparecimento da doença de Alzheimer em pessoas saudáveis ​​através da análise da linguagem, detectar doenças cardíacas através da análise de fotos faciais ou até mesmo desenvolver novos medicamentos. Contudo, antes que esta tecnologia seja integrada nos sistemas de saúde, ainda existem muitos desafios e dificuldades a superar. Para começar, uma das características intrínsecas de muitos sistemas é que o seu funcionamento é essencialmente uma “caixa preta”. Ou seja, é praticamente impossível saber por que um algoritmo deu um resultado comparado a outro. Não saber como funcionam esses sistemas dificulta avaliar sua confiabilidade e detectar as causas de possíveis erros. Uma IA é tão boa quanto o treinamento que recebeu. Se os dados fornecidos para este efeito incorporarem preconceitos (sexistas, racistas ou homofóbicos, entre outros), estes poderão afetar significativamente a veracidade dos resultados. Por outro lado, uma IA pode não só dar-nos informações erradas, mas até convencer-nos de que é fiável, quando não o é. O ChatGPT, por exemplo, de vez em quando oferece dados falsos e, para se justificar, chega até a fabricar referências científicas.

Segurança de dados, seu calcanhar de Aquiles

Os erros cometidos pelas IA também levam inevitavelmente a uma questão crucial: quem é o responsável pelos danos médicos que ocorrem aos pacientes devido ao uso desta tecnologia? Os desenvolvedores, a empresa que criou a IA, os médicos que a utilizaram ou o centro de saúde onde trabalham? Até que a incerteza jurídica neste domínio se dissipe, a aplicação da IA ​​nos sistemas de saúde permanecerá muito limitada.

Outro calcanhar de Aquiles da IA ​​reside precisamente naquele que é também o seu maior ponto forte: a vasta quantidade de dados eletrónicos dos pacientes utilizados para o seu funcionamento. Se alguma coisa foi verificada nos últimos anos é que as redes de computadores e os computadores dos centros de saúde e hospitais em todo o mundo estão longe de estar protegidos contra hackers. Além disso, os ataques cibernéticos nesta área são frequentes. Só em 2022, a saúde pública espanhola acumulou dezenas de ataques informáticos muito perigosos.

A implementação da IA ​​nos sistemas de saúde exigirá um melhor acesso a uma multiplicidade de dados médicos eletrónicos particularmente sensíveis, o que também implica um risco mais elevado de alguém invadir os sistemas e tirar partido desta informação. Por outro lado, as grandes empresas de tecnologia não têm sido particularmente protetoras da privacidade dos seus utilizadores nos últimos anos. Um dos casos mais notórios foi o do Google e de sua subsidiária DeepMind, focada em IA: os dois acessaram ilegalmente os registros de 1,6 milhão de pacientes no Reino Unido em 2015, sem conhecimento e em violação da lei de proteção de dados. .

Até que estes obstáculos e muitos outros em torno da IA ​​sejam resolvidos, a irrupção desta tecnologia nos sistemas de saúde continuará a ser um testemunho. É melhor que seja assim: uma implementação apressada, estimulada pelos interesses das grandes empresas, poderia causar danos graves a uma infinidade de pacientes e ser um revés significativo à confiança e à utilização futura da IA.