Artigo de Opinião assinado por Fabio Abreu, Cofundador e CEO da hCentrix – comentado, artigo “The Potential for artificial Intelligence in Healthcare” de autoria de Thomas Davenport e Ravi Kalakota, publicado no Future Healthcare Journal (2019)
Várias frentes e entidades têm debatido sobre a potencialidade e as aplicações do uso da Inteligência Artificial na Saúde. Na última semana me chamou a atenção um artigo dos pesquisadores Thomas Davenport e Ravi Kalakota, que traz à luz um panorama sobre esse potencial e, sobretudo, da expansão e a evolução do acesso e gestão de dados e de como eles se tornaram valiosos para os profissionais, empresas e instituições de saúde em todas as áreas: diagnóstico/tratamento, engajamento dos pacientes, gestão da saúde populacional e gestão das próprias organizações envolvidas.
Conforme elucidaram bem esses dois pesquisadores, a IA não é uma tecnologia, mas uma coleção delas como Machine Learning, Rule-based Expert System (RBES), Robot Process Automation (RPA) ou Neural Networks. Com a grande evolução do hardware e processamento na nuvem, as maiores oportunidades para o campo da saúde são o aprendizado de máquinas por via das redes neurais, o processamento da linguagem e de dados (NLP), a automação robótica de processos e, é claro, a evolução dos robôs cirúrgicos. Porém, é importante ressaltar que essa visão dos autores está mais próxima da realidade americana/vale do silício do que do resto do mundo, o que na minha opinião isso tem direcionado os esforços das healthtechs brasileiras para produtos super especializados e pouco integrados a realidade do nosso ecossistema de saúde. Isso não invalida, pelo menos a médio/longo prazo, que a expectativa dos autores em relação a softwares e sistemas é que eles sejam cada vez mais substituídos por soluções tecnológicas baseadas em dados e algoritmos.
Apesar de promissores, os resultados da IA na Saúde, assim como em outros setores, dependem hoje da resolução de algumas questões de implementação, além de questões éticas e sociais. São essas questões, inclusive, que impedem, por hora, a implementação em larga escala e automação em massa de uma série de processos cujos resultados da IA se mostraram tão satisfatórios quanto os de humanos em tarefas consideradas essenciais da saúde, como a avaliação e o diagnóstico. É sabido que a IA é considerada (e testada) como recurso auxiliar de diagnóstico e tratamento desde, pelo menos, a década de 70 quando um sistema denominado MYCIN foi desenvolvido por pesquisadores de Stanford para diagnosticar infecções bacterianas transmitidas pelo sangue. O que deixou a invenção longe de ser absorvida pelo mercado, contudo, foi a integração dos dados gerados pelo sistema aos fluxos de trabalho clínicos e aos sistemas de registros médicos, falha que, segundo os autores, é ainda uma barreira para a implementação da IA em outras esferas nos dias de hoje.
O Watson, plataforma de serviços cognitivos da IBM que combina rede neural, Learn Machine e PNL, por exemplo, é citado como uma iniciativa que ganhou os olhares do mundo ao se mostrar como possibilidade para a medicina de precisão, sobretudo para diagnóstico e tratamento de câncer, e que enfrentou essa mesma dificuldade de integração nos processos e sistemas de atendimento. Além disso, os clientes que usaram o Watson relataram dificuldade em ensinar o sistema a aprender a lidar com tipos específicos de câncer.
Colocando de forma mais genérica, o que é relatado nos EUA também observamos no Brasil: as organizações de saúde (de healthtechs a grandes empresas) desejam e investem em tecnologias que são “atraente e chamativas” como IA, mas não querem “sujar as mãos” arrumando a “emaranhada e confusa” infraestrutura de dados de sua organização, passo fundamental para IA – é como construir um prédio de 80 andares sem elevadores.
Os problemas de implementação com a IA sempre foram um grande complicador para muitas organizações de assistência médica, mas a solução parece estar mais próxima da realidade, pelo menos nos EUA. Experiências positivas em todo o mundo têm demonstrado que a evolução tecnológica, a maior maturidade das áreas de tecnologia e a aceitação do mercado – principalmente quanto às questões éticas – tem contribuído para que essas barreiras de implementação sejam rompidas.
E há, ainda, a percepção de que diversas frentes estão interessadas em solucionar esses mesmos problemas; todas as gigantes de tecnologia sem exceção – Facebook, Amazon, Apple, Microsoft e Google (as FAAMG) – demonstram interesse em integrar esse circuito. O objetivo, que faz tanto as gigantes quanto novas startups de tecnologia a buscarem soluções é geralmente o mesmo: identificar/prever riscos e antecipar soluções, que com certeza, é uma das maiores transformações do campo da saúde, seja na personalização da atenção a população oferecida pelas organizações e a criação de modelos de previsão, a partir do recurso de big data, para alertar intervenções ou fatores complicadores que podem evoluir ao longo do processo, seja na atenção individual ou na gestão de uma população (vide a crise do Covid-19 que vivemos).
Prever riscos e antecipar soluções é o toque de Midas da IA. Esse “pacote de soluções” gerado pela IA é capaz de promover uma mudança de comportamento em todo o sistema de saúde, envolvendo até mesmo o comportamento do paciente em relação a forma como ele lida com sua própria saúde. Dessa forma as soluções de IA contribuem e contribuirão cada vez mais para o suporte a decisões clínicas, operadoras de saúde e grandes corporações ajudando a criar uma “máquina de sucesso” que identifique os pacientes com maior risco potencial e orientando na tomada de decisão, tanto do paciente quanto dos gestores da assistência médica. E é nesse campo que a hCentrix tem atuado e desenvolvido nosso trabalho, já consolidado como uma solução inovadora para a Saúde e já estamos no campo da implementação e aperfeiçoamento dos processos junto a grandes clientes em todo o Brasil.
Os desafios enfrentados pela IA são reais e impactam diretamente nossas decisões, contudo, nossa proposta tem sido buscar alternativas para que essas barreiras sejam superadas. As questões éticas relacionadas ao uso de IA são as mesmas relacionadas a outros campos em que a segurança de dados também é discutida. No Brasil poderemos ter alguns avanços a partir da implementação da Lei Geral de Proteção de Dados (LGPD), mas ainda é cedo para afirmar se a aplicação da lei em si resolverá todas as implicações éticas relacionadas à transparência, privacidade e responsabilidade. Outro desafio quando se fala em automação de processos e IA é a discussão sobre substituição parcial ou completa do profissional humano. No entanto, até o momento o que se tem observado é que o potencial da IA tem sido direcionado para fornecimento de informações para orientar ações dos profissionais de saúde que permanecerão em contato direto com o paciente.
Como bem defenderam Davenport e Kalakota, a IA “é uma das tecnologias mais poderosas e com alto potencial para impactar a nossa sociedade, por isso exigirá atenção contínua de todos por muitos anos”. Somos parte dessa inovação e acreditamos que estamos trilhando o caminho para que essa transformação continue e tenha cada vez mais impactos positivos para o Sistema de Saúde e, consequentemente, melhorias para a vida das pessoas.
