Cidadania

Covid-19 está impulsionando o uso da classificação AI em salas de emergência – Quartzo


Os sistemas de saúde adotaram a inteligência artificial aos poucos. Durante anos, os pronto-socorros testaram hesitantemente sistemas de inteligência artificial que coletam informações sobre sintomas e históricos médicos de pacientes, comparam-nos com dados de casos semelhantes e fazem recomendações sobre quem deve ser levado primeiro para tratamento. . Os médicos veem o potencial, mas desconfiam de algoritmos que não têm anos de treinamento médico.

Mas o risco de transmissão do Covid-19 nas salas de emergência, juntamente com a falta de pessoal e recursos, deixou alguns hospitais sem outra opção. A pandemia acelerou dramaticamente o uso da classificação de IA. E embora essas ferramentas tenham sido cruciais nos últimos meses, sua rápida adoção traz riscos.

“O espaço de saúde é relativamente conservador”, disse Yonatan Amir, CEO da empresa israelense de tecnologia de saúde Diagnostic Robotics. Em tempos normais, disse Amir, pode levar seis meses para que a Diagnostic Robotics feche um acordo com um grande hospital interessado em suas ferramentas de classificação de IA. Mas em um intervalo de três semanas entre março e abril, a empresa fechou mais de 40 novos contratos. Nas primeiras cinco semanas da pandemia, seus algoritmos testaram 2,5 milhões de pacientes.

“Esses são números que, como uma jovem startup, não estamos acostumados a ver”, disse Amir. “Em termos de taxa de adoção, projetamos que seja muito maior.”

A mudança de ritmo faz sentido em meio a uma pandemia. “Do ponto de vista da segurança, era quase necessário ter algum tipo de sistema no qual você pudesse classificar os pacientes antes de entrarem”, disse Bill Fera, consultor médico da Deloitte, que vende ferramentas de classificação de IA e sistemas de aconselhamento sobre como usá-los. . “Remover o contato humano, que antes era visto como uma barreira ou um obstáculo, de repente se tornou um benefício.”

Embora a empresa tenha visto um boom de provedores de IA, alguns sistemas de saúde já estão desenvolvendo lenta e cuidadosamente ferramentas de classificação interna, temendo introduzir uma nova fonte de erros médicos. A Mayo Clinic, por exemplo, passou os últimos três anos pesquisando um algoritmo de triagem de emergência que possa avaliar os sintomas de um paciente, recomendar exames que os médicos devem realizar e sugerir possíveis diagnósticos. Ainda está resolvendo os problemas.

Daniel Cabrera, professor associado de medicina de emergência da Mayo Clinic, diz que a instituição está sendo cautelosa porque há riscos claros em permitir que algoritmos façam sugestões. “Há o perigo de que os fornecedores sigam cegamente as recomendações de IA, sem aplicar qualquer avaliação crítica a essas recomendações”, disse ele.

Os fornecedores de IA reconhecem que suas máquinas podem cometer erros, mas argumentam que cometerão menos erros do que os humanos. “É uma forma de aumentar a capacidade de médicos muito estressados ​​e cansados”, disse Amir, CEO da Diagnostic Robotics.

Bill Fera, da Deloitte, foi mais direto, apontando uma pesquisa da Universidade Johns Hopkins que sugere que os erros médicos são a terceira principal causa de morte nos Estados Unidos. “Portanto, para a ideia de que as máquinas vão entrar e piorar as coisas”, disse ele, “há espaço para melhorias, vou colocar dessa forma.”

Mas Cabrera diz que os sistemas de inteligência artificial não são simplesmente versões menos falíveis dos médicos humanos. Certamente, eles nunca perderão um detalhe importante porque estão distraídos, ou escreverão o plano de tratamento errado porque estão cansados. Mas eles vão de outros tipos de erros que os profissionais de saúde nunca cometeriam. Ele chama esses erros de contexto.

Cabrera deu um exemplo exagerado para ilustrar seu ponto: Um paciente entra na sala de emergência com uma faca no peito. Sua queixa principal é uma dor aguda no peito. Mas os registros médicos mostram que ele também é fumante com histórico de colesterol alto. Um sistema de inteligência artificial poderia inferir, com base em seus sintomas e histórico médico, que você está tendo um ataque cardíaco e recomendar radiografias de tórax. Um médico humano, por outro lado, começaria imediatamente a tratar seu ferimento.

As escolas médicas e os programas de treinamento, disse ele, não ensinam os fornecedores a interagir com a IA. “Você precisa ter algum conhecimento de como os algoritmos funcionam e como as decisões são tomadas, e você precisa estar preparado para ser crítico”, disse Cabrera. “Para uma porcentagem de pacientes, receberemos as recomendações erradas.”

Ainda assim, Cabrera disse que, se usada corretamente, a classificação algorítmica pode economizar tempo dos profissionais de saúde e ajudá-los a tratar os pacientes mais rapidamente. Ele comparou uma sala de emergência bem administrada a uma cozinha de fast-food ou linha de montagem de fábrica – o objetivo é coordenar os esforços de muitas pessoas o mais rápido e sem problemas possível. “Não estamos oferecendo o Santo Graal”, disse ele. “O que estamos tentando fazer é fornecer ferramentas para os humanos tomarem decisões e acelerar todo o processo”.



Fonte da Matéria

Artigos relacionados

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Botão Voltar ao topo