À medida que a demanda por assistência médica de qualidade continua a crescer, o uso do machine learning na área da saúde ganha mais espaço. Isso é possível pela qualidade e agilidade que processos guiados por inteligência artificial são capazes de entregar.
O machine learning, ou aprendizado de máquina, é um tipo de inteligência artificial. Nele, as máquinas são programadas para aprender informações sem intervenção humana.
O aprendizado de máquina na área médica está se tornando mais amplamente usado e está ajudando pacientes e profissionais de muitas maneiras diferentes. Os casos de uso na saúde mais comuns são a automação do faturamento médico, o suporte à decisão clínica e o desenvolvimento de diretrizes de atendimento clínico.
O uso da machine learning também auxilia em diagnósticos, como de lesões mamárias e nódulos pulmonares, ou para a detecção de algumas doenças que ocorrem na retina humana.
Mas eles também já estão invadindo os consultórios médicos e até mesmo centros cirúrgicos. Recentemente, uma máquina realizou um implante dentário na China, sem qualquer intervenção humana.
O que é a machine learning?
O machine learning (ML) descreve um conjunto de ferramentas que aprimoram as máquinas para que possam alcançar inteligência artificial. ML está para a inteligência artificial assim como o cinzel está para uma estátua de mármore.
Seguindo a analogia da escultura, a prática do aprendizado de máquina é, da mesma forma, parte arte e parte ciência — em vez de mármore, a matéria-prima para produtos de IA são os dados. Os dados, como o mármore, podem ser igualmente opacos até serem expostos ao trabalhar sobre eles.
Todas as ferramentas de ML alcançam resultados semelhantes, em geral: elas identificam logicamente as tendências em exemplos observados anteriormente para fazer previsões sobre os que ainda não foram vistos.
Dessa forma, é possível dizer que a inteligência artificial e o machine learning estão tomando conta da área médica. Eles não são mais apenas máquinas, são ferramentas práticas que podem ajudar as empresas a otimizar sua prestação de serviços, melhorar o padrão de atendimento, gerar mais receita e diminuir riscos.
E o uso do machine learning já está aumentando os lucros no setor de saúde. Por exemplo, de acordo com a empresa de pesquisa Frost & Sullivan, até o final de 2021, os sistemas de IA gerarão US $ 6,7 bilhões em receita global do setor de saúde. Em 2014, eles geraram apenas US $ 634 milhões — uma taxa de crescimento anual composta de 40%.
A mesma pesquisa aponta que o investimento nessas tecnologias está crescendo. Em 2014, o gasto médio de receita entre os setores em TI foi de 3,3%. Porém, na área médica, a média de gasto foi de 4,2%. Além disso, cerca de 35% das organizações de saúde irão implementar soluções de inteligência artificial nos próximos dois anos — e mais da metade delas planeja fazer o mesmo nos próximos cinco anos.
Aplicações específicas
Para ter uma ideia melhor de como a IA e o machine learning estão transformando o setor de saúde agora, é útil considerar casos específicos. Abaixo, listamos algumas aplicações do aprendizado da máquina e que já trazem significativos avanços para a área médica.
Identificação da tuberculose
Identificar padrões em imagens é um dos pontos mais fortes dos sistemas de IA existentes. Nesse sentido, pesquisadores estão usando o ML para revisar radiografias de tórax e identificar tuberculose. Essa tecnologia pode trazer triagem e avaliação eficazes para regiões com prevalência de tuberculose e que possuem pouca oferta de médicos radiologistas.
Detecção de sangramentos cerebrais
A empresa israelense de tecnologia de saúde MedyMatch e IBM Watson Health estão usando IA para ajudar médicos em salas de emergência de hospitais. Eles usam o machine learning para tratar pacientes com acidente vascular cerebral e traumatismo craniano de forma mais eficaz, detectando sangramento intracraniano.
Os sistemas de IA usam percepções clínicas, aprendizado profundo, dados do paciente e visão de máquina para sinalizar automaticamente possíveis sangramentos cerebrais para revisão do médico.
Diagnóstico da doença de Alzheimer
Agora, as máquinas levam menos de um minuto para diagnosticar a doença de Alzheimer com cerca de 82% de precisão com base em padrões de fala e voz — e esse nível de precisão só está crescendo.
Os sistemas de IA podem atender à duração das pausas entre as palavras, qualquer preferência por pronomes em vez de nomes próprios, descrições excessivamente simplistas e variações na frequência e amplitude da fala.
Embora todos esses fatores sejam muito difíceis para os ouvintes humanos notarem e detectarem com altos níveis de precisão, os sistemas de IA são objetivos e quantificáveis em suas análises.
Diagnóstico de câncer
Os métodos tradicionais para detectar e diagnosticar cânceres incluem tomografia computadorizada (TC), imagem por ressonância magnética, ultrassonografia e raio-X. Infelizmente, muitos cânceres não podem ser diagnosticados com precisão suficiente para salvar vidas com segurança com essas técnicas.
Nesse sentido, a análise de perfis de genes de microarray é uma alternativa, mas depende de muitas horas de computação — a menos que essa análise seja habilitada para IA. O algoritmo de diagnóstico habilitado para IA de Stanford provou ser tão eficaz na detecção de câncer de pele em potencial a partir de imagens quanto uma equipe de 21 dermatologistas.
O Startup Enlitic está empregando aprendizado profundo para detectar nódulos de câncer de pulmão em imagens de TC — e seu algoritmo é 50% mais preciso do que radiologistas torácicos especialistas trabalhando em equipe.
Cirurgia robô-assistida
Quando se trata de valorizar o potencial, a cirurgia assistida por robô está à frente. A robótica com o uso da IA pode aprimorar e orientar a precisão do instrumento cirúrgico, integrando métricas operacionais em tempo real, dados de experiências cirúrgicas reais e informações de registros médicos pré-operatórios.
Inclusive, dados da Accenture relatam que o uso do machine learning por meio da cirurgia com robôs reduzem o tempo de recuperação do paciente em cerca de 21%.
Tratamento personalizado
Entre 2012-2017, a taxa de penetração do Prontuário Eletrônico de Saúde na área médica passou de 40% para 67% em todo o mundo. Isso naturalmente significa mais acesso aos dados individuais de saúde do paciente.
Ao compilar esses dados médicos pessoais de pacientes individuais com aplicativos e algoritmos de machine learning, os profissionais de saúde podem detectar e avaliar melhor os problemas de saúde. Com base no aprendizado supervisionado, é possível ainda prever os riscos e ameaças à saúde de um paciente de acordo com os sintomas e as informações genéticas em seu histórico médico.
Isso é exatamente o que o IBM Watson Oncology está fazendo nos Estados Unidos. Usando as informações e o histórico médico dos pacientes, está ajudando os profissionais a projetar melhores planos de tratamento com base em uma seleção otimizada de opções de tratamento.
Descoberta e fabricação de medicamentos
Os aplicativos de machine learning também encontraram seu caminho no campo da descoberta de medicamentos, especialmente no estágio preliminar. Isso ocorre desde a triagem inicial dos compostos de um medicamento até sua taxa de sucesso estimada com base em fatores biológicos.
O ML está sendo usado por empresas farmacêuticas na descoberta de medicamentos e no processo de fabricação. No entanto, no momento, isso é limitado ao uso de ML não supervisionado que pode identificar padrões em dados brutos. Porém, até o Google aderiu ao movimento da descoberta de medicamentos e vem investindo também nessa área.
O aprendizado de máquina também ajuda na otimização da biofabricação de produtos farmacêuticos. Os fabricantes desses insumos podem aproveitar os dados dos processos de fabricação para diminuir o tempo total necessário para desenvolver medicamentos, reduzindo também o custo de fabricação.
A inovação na área médica
Hoje, estamos à beira de uma revolução médica, tudo graças ao machine learning e à inteligência artificial. No entanto, usar apenas a tecnologia não melhora os cuidados de saúde. Também precisa haver mentes curiosas e dedicadas que possam dar sentido a inovações tecnológicas brilhantes como aprendizado de máquina e IA.
Devemos reconhecer sim os avanços na forma como a tecnologia vem mudando a área médica, mas é preciso ter em mente que ainda há muito trabalho a ser feito pelas pessoas se quisermos ver essas mudanças acontecendo.
Portanto, mesmo estando no início do uso da tecnologia, com seu potencial ainda mal compreendido, o setor de saúde está experimentando um aumento no fluxo de produtividade e receita graças à IA e ao machine learning.
Aprofunde seu conhecimento em machine learning lendo o artigo sobre 5G na saúde: como a tecnologia ajuda a melhorar a experiência do paciente.
