Tecnologia "prevê" e previne doenças, mas é preciso cuidado
com dados
O estado vegetativo decorrente de um coma
é uma incerteza médica antiga; não se sabe quando, ou se, o paciente recobrará
a consciência de novo. As famílias de sete pacientes na China ouviram
dos médicos que não havia “esperança” para eles retornarem da condição. Mas uma
inteligência artificial (IA) apostou na recuperação. E estava certa.
O algoritmo e a pesquisa relacionada foram
apresentados na revista eLife em agosto de 2018. O experimento ocorreu no
Hospital Geral do Exército de Libertação Popular, em Pequim. O algoritmo
foi desenvolvido ao longo de oito anos, e os pesquisadores da Academia Chinesa
de Ciências afirmaram na época que o sistema é 88% preciso em prever se um
paciente se recuperaria dentro de um ano.
Este foi um dos primeiros exemplos práticos do
potencial dos sistemas de IA para melhorar a medicina. Nos últimos anos,
pesquisadores e empresas estão adotando tecnologias como estas para
mudar paradigmas na saúde.
Em linhas gerais, em vez de medicar e tratar, os
programas poderão tanto ajudar na prevenção de doenças quanto na predição, isto
é, a "profetizar" os males que teremos no futuro e atuar no
combate a eles com antecedência.
No Brasil, operadoras criadas por healthtechs
(startups de saúde), como Alice e QSaúde, ou mesmo empresas mais
tradicionais do ramo como a Amil, estão apostando em análises da sua base
de dados para acompanhar o bem-estar dos clientes.
Via aplicativo, as empresas trazem dicas
personalizadas de nutrição, educação física e consultas para evitar que o
paciente sofra males mais crônicos. Isso também ajuda a baratear custos e
trazer preços mais baixos ao público.
Em 2021, a Organização Mundial da Saúde (OMS)
afirmou que a IA é uma grande promessa para melhorar os cuidados de saúde e
medicamentos em todo o mundo, mas apenas se a ética e os direitos humanos forem
colocados no centro de seu design, implantação e uso.
Segundo o relatório “Artificial Intelligence Index
Report 2022”, da Universidade Stanford (EUA), foram investidos pelo setor
privado em todo o mundo US$ 11,3 bilhões (R$ 54,3 bilhões) em pesquisa e
inovação com IA para medicina e saúde em 2021, um aumento de 40% em relação ao
ano anterior.
Apesar de tanta novidade, especialistas ouvidos
pelo Byte afirmam que ainda há um longo caminho a ser percorrido no que diz
respeito à qualidade e coleta de dados e cuidados com a segurança das
informações. E agora, a OMS também se mostrou receosa, pedindo cautela com
o uso dessas ferramentas.
·
Tecnologias e melhoras na saúde
Outros países além da China já estão utilizando
ferramentas baseadas em IA para melhorar a velocidade e a precisão do
diagnóstico e triagem de doenças.
Em um estudo em andamento, que começou no início
deste ano, pesquisadores da Cleveland Clinic, nos EUA, pretendem
identificar biomarcadores de doenças cerebrais para prevenir doenças
neurológicas antes que ocorram quaisquer sintomas.
Outras tecnologias promissoras são a big data, uma
análise de dados de pacientes em larga escala que identifica padrões e
prevê riscos nos indicadores de saúde; e a visão computacional, que é capaz de
fazer a mesma coisa mas com imagens de exames.
No ano passado, cientistas desenvolveram um modelo
de inteligência artificial que usa o raio-X para prever o risco de um ataque
cardíaco nos próximos dez anos. O estudo foi publicado na revista científica
Radiological Society of North America.
Mas essa abordagem não ocorre apenas com programas.
Aparelhos vestíveis, como relógios inteligentes e pulseiras fitness,
permitem que as pessoas monitorem constantemente seus sinais vitais, atividades
físicas e qualidade do sono. O Apple Watch em sua última versão passou a
emitir alertas de detecção de queda do seu portador, algo útil em idosos ou
pessoas em recuperação de cirurgias.
·
O novo médico formado pela IA
De acordo com André Cripa, especialista em
transformação digital na CTC, empresa de tecnologia para gestão de saúde, todas
essas informações transformam o médico de hoje em algo muito diferente do que
era na década de 1980, por exemplo.
“Em 1980 o médico tinha em média, cerca de dez
informações sobre o paciente para tomar uma decisão complexa. Hoje, estão à
disposição dele mais de 1.000 fatos por decisão complexa”, disse, citando
o estudo “Biomedical Informatics: Changing What Physicians Need To
Know And How They Learn” (informática biomédica: mudando o que os médicos
precisam saber e como eles aprendem), publicado em 2011 na revista
Academic Medicine.
“O problema é que o ser humano é capaz de lidar com
no máximo nove para tomar uma decisão”, continuou Cripa.
Por isso hospitais e provedores de saúde vem
recorrendo à tecnologia para auxiliar na tomada de decisões e melhorar o quadro
clínico dos pacientes. No Hospital Alemão Oswaldo Cruz, em São Paulo, a equipe
utiliza IA e big data para criar diferentes pontuações de risco.
A instituição conta com duas bases de informações
robustas. Uma é chamada de Pure, com dados de mais de 300 mil pacientes em
58 países monitorados há mais de 16 anos.
A segunda base de dados é a TriNetX (com mais de
100 milhões de pacientes em todo mundo) que permite aos médicos criarem modelos
preditivos e separar a população em grupos de risco.
“Isso significa que podemos identificar indivíduos
que têm maior probabilidade de desenvolver certas doenças, como diabetes ou
doenças cardiovasculares, e implementar intervenções preventivas
personalizadas”, explicou Carolina da Costa, diretora-executiva de saúde
digital do Hospital Oswaldo Cruz.
·
Doenças podem ser diagnosticadas com softwares de aprendizagem
O provedor de saúde Amil usa um software
desenvolvido internamente para avaliar os riscos clínicos do paciente. A
ferramenta é chamada de Gestão de Carteiras e utiliza big data e BI
(inteligência empresarial, da sigla em inglês) para análises.
“Esse sistema capta informações dos outros sistemas
da empresa (prontuários e autorizações) e permite que os times de enfermeiros e
médicos possam dar um tratamento único e específico para cada paciente”,
explicou a empresa por e-mail.
Além dos hospitais e provedores de saúde, empresas
como o Google estão entrando nessa seara. Exemplo disto é o Med-PaLM,
modelo de linguagem grande (LLM, um tipo de IA) projetado para fornecer
respostas para questões médicas da empresa médica que contratar o serviço.
No Brasil, uma parceria da Fundação de Amparo à
Pesquisa do Estado de São Paulo (Fapesp) com o Ministério da Ciência,
Tecnologia e Inovações (MCTI), o Ministério das Comunicações e o Comitê Gestor
da Internet no Brasil (CGI.br) construiu seis Centros de Pesquisas Aplicadas
(CPA) em inteligência artificial. Eles focarão não apenas em saúde, mas também
na agricultura, na indústria e em cidades inteligentes.
Como explicou o economista e professor de
inteligência artificial em saúde Alexandre Dias Porto Chiavegatto Filho,
diretor do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps), o
país pode ter vantagem neste investimento.
“O Brasil hoje tem um potencial porque temos uma
diversidade muito grande de pacientes, tanto em termos socioeconômicos como em
termos genéticos”, disse.
·
Problemas da medicina preditiva
O relatório "Ética e Governança da
Inteligência Artificial para a Saúde de 2021", lançado há dois anos pela
Organização Mundial de Saúde (OMS), dizia que a IA tem um enorme potencial para
melhorar a saúde de milhões de pessoas em todo o mundo. Mas, como toda
tecnologia, também pode ser mal usada e causar danos.
Tedros Adhanom Ghebreyesus, diretor-geral da OMS,
disse que “o novo relatório fornece um guia valioso para os países sobre como
maximizar os benefícios da IA, minimizando seus riscos e evitando suas
armadilhas.”
No relatório, especialistas alertam que os dados
usados para treinar IA podem ser tendenciosos, gerando informações enganosas ou
imprecisas que podem representar riscos à saúde, equidade e inclusão.
Para Cripa e Chiavegatto Filho, os principais
desafios e limitações da implementação da inteligência artificial na saúde
preventiva envolvem a qualidade das informações gerados pelos programas.
“Sem padrão, e obtido através de diversas fontes, o
dado é cada vez mais granular e complexo, exigindo muito processamento das
aplicações para extrair algum significado”, explicou Cripa.
“Hoje a gente tem a maior coleta de dados com
pacientes de alta renda. Então, corre o risco dos algoritmos aprenderem apenas
com dados desses pacientes e funcionarem muito bem. Mas, quando escalar isso
para os de baixa renda, não vai funcionar tão bem”, avaliou Chiavegatto Filho.
O exemplo disto aconteceu em 2019, quando um
algoritmo que prevê quais pacientes se beneficiarão de cuidados médicos extras
excluiu drasticamente as necessidades de saúde dos pacientes negros mais
doentes.
O estudo foi publicado na revista Science e mostrou
que o problema foi detectado na ferramenta da Optum, uma empresa importante em
serviços de saúde.
A companhia chegou a fazer a correção com a
sugestão dos pesquisadores e descobriu que os pacientes negros classificados
pelo algoritmo como necessitando de cuidados extras estavam muito mais doentes
que brancos em situações similares: os negros sofreram coletivamente 48.772
doenças crônicas adicionais.
Chiavegatto Filho afirma que para funcionar bem no
Brasil, é necessário que o sistema público lidere a coleta de dados. “É
fundamental que o SUS lidere a transformação na coleta de dados para garantir
que os algoritmos aprendam com uma amostra diversa de características de
pacientes brasileiros", afirmou.
Carolina da Costa aponta outros problemas com as
informações dos pacientes. “Como a integração de dados saúde advém de várias
fontes diferentes (registros eletrônicos de saúde, dados genômicos, wearables,
etc), pode ser um desafio integrar e padronizar esses dados para análise”,
disse a representante do Oswaldo Cruz.
Outro ponto será a aceitação do profissional de
saúde e do público para as mudanças. “Nem todos os pacientes ou médicos
podem estar confortáveis ou familiarizados com o uso dessas tecnologias. É
importante o trabalho de educação e suporte para garantir que eles compreendam
o uso”, explicou.
·
Privacidade é ponto de atenção nas IAs de medicina
Além da segurança dos dados e a privacidade dos
pacientes, existem questões éticas associadas à medicina preventiva e
preditiva. Algumas delas são decidir quem deve ter acesso a informações
sobre o risco de saúde de um indivíduo e como essas informações devem ser
usadas.
Com a coleta e o armazenamento de grandes volumes
de dados sensíveis de saúde dos pacientes, a segurança desses dados é uma
grande preocupação.
Em março deste ano, a Cerebral, startup
norte-americana de telessaúde, admitiu ter vazado dados sigilosos de mais de
3,1 milhões de pacientes para empresas de redes sociais e anunciantes como
Meta, TikTok e Google.
As informações vazadas incluíam nome, número de
telefone, e-mail, data de nascimento, endereço de IP e número de identificação
do cliente na Cerebral.
“As violações de dados podem levar a divulgação não
autorizada de informações pessoais e médicas, sendo grave violação da Lei
Geral de Proteção de Dados (LGPD) e de informações pessoais médicas que
são confidenciais muito antes do advento da lei”, disse Cripa.
Carolina da Costa explica que os pacientes devem
ser informados de como seus dados são usados e para quais fins.
“A obtenção do consentimento pode ser um desafio.
Especialmente quando os dados são usados para pesquisa ou para alimentar
algoritmos de IA que podem se misturar em pseudoanonimizações, mas depois são
facilmente identificáveis”, disse.
Sobre esse ponto, a Amil informou ao Byte que é
necessário seguir com rigidez a LGPD e que trabalha com uma robusta política de
segurança de dados para garantir o sigilo das informações de seus
beneficiários.
Fonte: Redação Byte
Nenhum comentário:
Postar um comentário