IA generativa nos cuidados de saúde: revolucionar os cuidados e o diagnóstico dos doentes

Em 2024, um estudo da Faculdade de Medicina da Universidade de Washington e da empresa tecnológica Whiterabbit.ai concluiu que a IA pode ser capaz de detetar casos precoces de câncer de mama bem como reduzir os falsos positivos.

A empresa treinou um modelo de IA em 12.248 mamografias digitais 2D (6.161 com câncer). Em seguida, testaram o modelo em vários casos mamografias. O estudo concluiu que, das 10 000 pessoas que fizeram mamografias, mais de 260 poderiam ter evitado o diagnóstico e 10 poderiam ter evitado biópsias utilizando sistemas de IA para ajudar a diagnosticar a presença de câncer. A IA generativa e grandes modelos de linguagem (LLM) estão transformando rapidam ente o panorama dos cuidados de saúde tal como o conhecemos, oferecendo soluções inovadoras para desafios de longa data. Esta tecnologia tem opotencial de revolucionar o setor da saúde, agilizar operações e melhorar a pesquisa médica.

Este é o futuro do nosso sistema de saúde e é apenas o começo.

Neste artigo abrangente, vamos mergulhar profundamente nesta nova e excitante fronteira e explorar a forma como a integração ética da IA generativa pode ajudar na prestação de cuidados de saúde de qualidade e nos cuidados aos pacientes.

Provavelmente já viu como o GPT-4 (muitas vezes conhecido pela sua interface de conversação mais popular, ChatGPT) revolucionou as indústrias em todo o mundo. Você provavelmente já viu modelos de IA generativa como o Flux e o Midjourney criarem Retratos de IA que são quase indistinguíveis de fotografias reais.

Mas esta tecnologia não se destina apenas a criar arte ou a gerar respostas de texto inteligentes para chatbots empresariais.

A IA generativa nos cuidados de saúde pode automatizar tarefas administrativas, melhorar as aplicações clínicas e, em última análise, conduzir a melhores resultados para os pacientes.

Os líderes dos cuidados de saúde estão buscando ativamente a implementação de ferramentas de IA generativa para melhorar as experiências dos pacientes e as suas operações.

À medida que o setor da saúde adere à inteligência artificial generativa, crescem as oportunidades e também os desafios. Embora a tecnologia prometa melhorar a eficiência e a precisão em muitas áreas, precisamos levar em conta as preocupações com a privacidade dos dados, as considerações éticas e a conformidade regulamentar.

Os modelos de grandes linguagens (LLM) existem há décadas, mas só recentemente se tornaram populares. Esta reação em cadeia de popularidade foi certamente desencadeada pelo lançamento histórico do ChatGPT pela OpenAI no final de 2022.

Isto significa que o impacto que estas tecnologias podem ter nos cuidados de saúde continua a ser mal compreendido ou mal orientado.

Tradicionalmente, a indústria da saúde tem sido relativamente lenta na adoção da IA, exceto em áreas específicas como a radiologia.

Uma vez que os cuidados de saúde são uma indústria regulamentada com decisões de vida ou morte, é adequado que as mudanças sejam feitas de forma cuidadosa e ponderada.

Os cuidados de saúde estão enfrentando uma escassez de mão de obra a nível de crise. Os médicos, os enfermeiros e o pessoal estão cronicamente sobrecarregados de trabalho, ainda se recuperando da pandemia, e estressados com a quantidade de administração e de papelada exigida por lei.

Os médicos falam frequentemente da "hora do pijama" - o tempo fora do expediente que passam atualizando registos, acompanhando e-mails dos pacientes e tarefas administrativas. Estas tarefas entediantes (mas necessárias) nos cuidados de saúde são especialmente adequadas às tecnologias de IA generativa.

Assim, mesmo com os seus elevados níveis de regulamentação, esta indústria é um dos principais a adotar a IA generativa e está ansiosa por mais aplicações de IA - desde que sejam implementadas de forma ética, segura e sustentável.

A IA generativa não é um "fantasma na máquina" que compõe novas informações a partir do nada. Em vez disso, utiliza vastos conjuntos de dados para criar novos conteúdos, ajudar no diagnóstico e melhorar o planejamento do tratamento.

As tecnologias de IA na medicina abrangem uma vasta gama de aplicações.

Eis apenas uma amostra do que é possível:

• Os algoritmos de machine learning podem analisar os registos dos pacientes para prever os riscos de doença e recomendar tratamentos personalizados.
• Os sistemas de visualização interpretam as imagens médicas, ajudando os radiologistas a detectar anomalias.
• O processamento de linguagem natural (PNL) extrai informações valiosas de notas clínicas e da literatura médica.
• A robótica e a IA combinam-se para melhorar a precisão cirúrgica e automatizar tarefas repetitivas.
• A realidade virtual e a realidade aumentada alimentadas por IA proporcionam experiências de formação imersivas para estudantes e profissionais de medicina.
• Os chatbots e os assistentes virtuais baseados em IA melhoram a participação dos pacientes e prestam apoio permanente a questões básicas de saúde.
• As aplicações alimentadas por IA automatizam grande parte do trabalho de rotina dos médicos na manutenção de registos e na correspondência com os pacientes,

E muito, muito mais. Vamos explorar algumas destas aplicações em maior profundidade.

De acordo com um inquérito que realizamos em um dos nossos eventos de saúde, muitas organizações acreditam que a IA generativa é uma tecnologia poderosa, mas desafiante, com um número quase infinito de casos de utilização.

Estas incluem aplicações inovadoras no diagnóstico, tratamento, cuidados personalizados e desenvolvimento de medicamentos.

Os modelos de IA generativa estão revolucionando a análise de imagens médicas melhorando a precisão e a rapidez do diagnóstico. Os algoritmos de IA podem detetar anomalias sutis em radiografias, ressonâncias magnéticas e tomografias computorizadas que podem passar despercebidas aos olhos humanos.

Em radiologia, a IA ajuda a identificar sinais precoces de doenças como o câncer ou doenças cardiovasculares. Isto conduz a intervenções mais precoces e a melhores prognósticos para os pacientes.

As capacidades de processamento da linguagem natural permitem à IA analisar grandes quantidades de literatura médica e registos de pacientes. Isto ajuda os prestadores de cuidados de saúde a tomar decisões de tratamento mais informadas com base na investigação mais recente e em histórias de casos semelhantes.

Os sistemas alimentados por IA também podem gerar planos de tratamento adaptados a cada paciente. Estes planos têm em conta fatores como a composição genética, o histórico médico e o estilo de vida para otimizar as abordagens terapêuticas.

A IA generativa está melhorando os cuidados personalizados ao analisar os dados dos pacientes para prever riscos para a saúde e recomendar medidas preventivas. Os modelos de IA podem processar diversos tipos de dados, incluindo informações genéticas, para criar perfis de saúde individualizados.

Os chatbots e os assistentes virtuais alimentados por IA generativa prestam apoio aos pacientes 24 horas por dia, 7 dias por semana. Respondem a perguntas, oferecem lembretes de medicação e dão conselhos gerais de saúde.

Os algoritmos de IA podem gerar planos personalizados de nutrição e exercício com base no estado de saúde, objetivos e preferências do paciente. Esta abordagem personalizada melhora a adesão às recomendações de estilo de vida saudável.

Nos cuidados de saúde mental, as ferramentas alimentadas por IA podem analisar padrões de discurso e texto para detetar sinais precoces de doenças como a depressão ou a ansiedade. Isto permite intervenções e apoio atempados.

A IA generativa está acelerando processos de descoberta de medicamentos através da previsão de potenciais candidatos a medicamentos e das suas interações com alvos biológicos. Os modelos de IA podem gerar e analisar milhões de estruturas moleculares, reduzindo significativamente o tempo e o custo do desenvolvimento de medicamentos na fase inicial.

Os algoritmos de machine learning analisam vastos conjuntos de dados de compostos químicos, vias biológicas e resultados de ensaios clínicos. Isto ajuda os investigadores a identificar candidatos a medicamentos promissores e a prever a sua eficácia e potenciais efeitos secundários.

As simulações baseadas em IA podem modelar as interações dos medicamentos no corpo humano, permitindo aos investigadores otimizar as dosagens e formulações antes do início dos ensaios clínicos. Isto melhora a taxa de sucesso do desenvolvimento de medicamentos e reduz os riscos para os participantes nos ensaios.

Nos ensaios clínicos, a IA generativa ajuda na seleção e monitorização dos doentes. Pode identificar candidatos adequados com base em critérios específicos e prever reações adversas, aumentando a segurança e a eficiência dos testes.

Uma grande vantagem da IA generativa é o fato de poder processar uma grande quantidade de dados e encontrar soluções que os humanos não conseguiriam encontrar.

A integração entre os dados dos cuidados de saúde e os modelos de IA generativa é a chave para melhorar os cuidados dos pacientes, simplificar os fluxos de trabalho e descobrir informações valiosas a partir de conjuntos de dados complexos.

Os sistemas de registo de dados eletrônicos são a pedra angular da integração da IA nos cuidados de saúde. Estes registos digitais contêm informações exaustivas sobre os doentes, incluindo historial clínico, resultados laboratoriais e planos de tratamento.

Os algoritmos de IA podem analisar os registos eletrônicos de saúde para encontrar padrões e tendências (incluindo dados de texto e de imagem) que podem não ser imediatamente claros para os médicos. Esta análise pode ajudar a prever potenciais riscos para a saúde e sugerir opções de tratamento personalizadas.

As organizações de cuidados de saúde estão adotando cada vez mais ferramentas baseadas em IA para extrair informações significativas de dados não estruturados de EHR. Estas ferramentas podem categorizar e resumir automaticamente as notas clínicas, facilitando aos profissionais de saúde o acesso rápido a informações relevantes sobre os pacientes.

A maioria dos fornecedores de EHR, percebendo a importância da atual corrida ao ouro da IA, estão adicionando funcionalidades alimentadas por gen-AI aos seus sistemas. Isto permite as seguintes vantagens:

• Navegação mais fácil
• Interação mãos-livres (as gravações de voz das interações com os pacientes são exploradas quanto ao conteúdo e formatadas)
• Melhor perceção na tomada de decisões clínicas

As startups alimentadas por IA para os cuidados de saúde foram também uma das principais categorias para o financiamento de startups em 2024.

A IA é excelente no processamento de grandes volumes de dados de cuidados de saúde para descobrir padrões e fazer previsões. As técnicas analíticas avançadas podem identificar correlações entre vários fatores de saúde, conduzindo a melhores diagnósticos e estratégias de tratamento.

Os algoritmos de aprendizagem automática podem analisar diversos conjuntos de dados, incluindo:

• Dados demográficos dos pacientes
• Histórico médico
• Resultados laboratoriais
• Estudos de imagem
• Informação genética

Ao examinar estes conjuntos de dados, os sistemas de IA podem detectar padrões sutis que podem indicar sinais precoces de doenças ou prever os resultados dos pacientes. Esta capacidade permite aos prestadores de cuidados de saúde implementar intervenções proativas e planos de tratamento personalizados.
A análise preditiva orientada para a IA também ajuda as organizações de cuidados de saúde a otimizar a atribuição de recursos e a melhorar a eficiência operacional. Estas ferramentas podem prever admissões de pacientes, identificar pacientes de alto risco e sugerir medidas preventivas para reduzir as readmissões hospitalares.

A IA generativa nos cuidados de saúde suscita preocupações críticas em matéria de equidade, proteção de dados e governabilidade. A resolução destas questões é essencial para garantir uma implementação responsável e manter a confiança do público nastecnologias médicas baseadas em IA.

Os sistemas de IA podem perpetuar os vieses existentes nos dados e nas práticas de cuidados de saúde. Para atenuar este problema, os programadores devem utilizar conjuntos de dados de formação diversificados e representativos. As auditorias regulares dos resultados da IA ajudam a identificar e a corrigir os enviesamentos.

O desenvolvimento ético da IA requer equipes multidisciplinares que incluam especialistas em ética, clínicos e defensores dos pacientes. Isto garante que as ferramentas de IA têm em conta as diferentes perspectivas e necessidades.

A equidade no acesso à IA é crucial. Os prestadores de cuidados de saúde devem implementar soluções de IA que sirvam diversas populações de pacientes e não apenas as que dispõem de mais recursos.

A proteção da privacidade dos pacientesé fundamental quando se utiliza a IA nos cuidados de saúde. Devem ser aplicados protocolos rigorosos de anonimidade e encriptação de dados.

Os sistemas de IA requerem frequentemente grandes conjuntos de dados para formação e funcionamento. As organizações de saúde devem implementar medidas robustas de cibersegurança para evitar violações de dados.

Os processos de consentimento informado precisam de ser atualizados para ter em conta a utilização da IA. Os doentes pacientes devem compreender a forma como os seus dados podem ser utilizados nos sistemas de IA e ter o direito de optar por não participar.

Os governos de todo o mundo estão debatendo a melhor forma de regulamentar a IA. a FDA está desenvolvendo quadros para avaliar e gerir dispositivos médicos baseados em IA. Isto inclui orientações para a monitorização e atualização contínuas dos algoritmos de IA.

A Lei da IA da UE propõe regras estritas para as aplicações de IA de alto risco, incluindo muitas no setor dos cuidados de saúde. Dá ênfase à transparência, à supervisão humana e à responsabilidade.

As questões de responsabilidade nas decisões sobre cuidados de saúde assistidos por IA continuam a ser complexas. São necessárias diretrizes claras para determinar a responsabilidade quando a IA contribui para erros médicos.

A cooperação internacional é essencial para criar regulamentos harmonizados em matéria de IA. Isto garante normas consistentes e facilita o desenvolvimento e a implantação global da IA nos cuidados de saúde.

Para além da regulamentação governamental, existem também vários consórcios industriais centrados na utilização adequada da IA nos cuidados de saúde, nomeadamente o CHAI (Coalition for Health AI) e o TRAIN (Trustworthy & Responsible AI Network).

As organizações de cuidados de saúde estão rapidamente adicionando a IA às suas regras e políticas. Muitas delas estão criando uma função de responsável pela IA ou a acrescentá-la às funções do Head de dados.

A IA generativa nos cuidados de saúde enfrenta obstáculos significativos em termos de capacidades técnicas e de aceitação pelo mercado. Estes desafios afetam a eficácia da tecnologia e a sua adoção em contextos médicos.

Muitos setores de alto risco têm hesitado em implementar modelos de IA generativa, como o GPT-4 e outros, por uma razão evidente: alucinações de IA.

As alucinações de IA ocorrem quando os modelos geram dados falsos ou sem sentido, o que obviamente representa sérios riscos em contextos médicos.

À medida que os modelos continuam a melhorar, estas alucinações tornam-se cada vez menos prevalecentes e existem formas de atenuar as alucinações com proteções programáticas, tais como:

• Mecanismos de verificação dos fatos: implementação de sistemas que cruzem as informações geradas pela IA com bases de dados médicas verificadas. Por vezes, estes mecanismos são designados por mecanismos de "ligação à terra".
• Abordagens "human-in-the-loop": garantir que os resultados da IA são revistos pelos profissionais de saúde antes de serem utilizados nos cuidados aos pacientes.
• Limiares de confiança: só aceitar conteúdos gerados por IA quando o nível de confiança do modelo exceder um limiar pré-determinado.
• Consenso multi-modelo: utilização de vários modelos de IA e aceitação de resultados apenas quando existe acordo entre eles.

Tendo em conta estas limitações, pode ser ideal avanço mais lento da implementação de aplicações de IA generativa nos sistemas de saúde, começando com aplicações de menor risco, tais como:

1. Tarefas administrativas: utilizar a IA para marcar consultas, gerir registos de pacientes e tratar de questões de faturamento.
2. Educação do paciente: gerar materiais educativos personalizados sobre doenças e tratamentos.
3. Chatbots de triagem: implementação de chatbots alimentados por IA para orientar os pacientes para níveis de cuidados adequados sem fazer diagnósticos.
4. Assistência à investigação: utilização da IA para resumir a literatura médica e identificar potenciais áreas para estudo posterior.
5. Codificação médica: utilização da IA para ajudar na codificação médica precisa e eficiente para efeitos de faturamento.

Ao começar com estas aplicações de menor risco, os sistemas de saúde podem:

• Criar confiança nos sistemas de IA
• Desenvolver protocolos sólidos para a implementação da IA
• Formar gradualmente a equipe profissional na integração da IA
• Identificar e resolver potenciais problemas antes de avançar para aplicações de maior risco

À medida que a confiança e as capacidades aumentam, a IA pode ser gradualmente introduzida em áreas mais críticas dos cuidados de saúde, mantendo sempre uma forte concentração na segurança dos pacientes e em considerações éticas.

Muitas destas aplicações de menor risco também proporcionam grandes benefícios aos sistemas de saúde, pelo que esta abordagem lenta não é verdadeiramente um compromisso.

Ao procurar melhorar a experiência do médico e reduzir o "tempo do pijama", as organizações podem utilizar uma abordagem de menor risco, com o ser humano no circuito, e simultaneamente proporcionar grandes benefícios.

As instituições de saúde enfrentam obstáculos à integração da IA generativa nos sistemas existentes. Os elevados custos de implementação e a necessidade de infraestruturas especializadas desencorajam muitas organizações de adotarem estas tecnologias.

As incertezas regulamentares em torno da IA nos cuidados de saúde criam hesitação entre os potenciais adotantes, e as preocupações com a responsabilidade e a responsabilização pelas decisões baseadas em IA abrandam o crescimento do mercado.

Os profissionais de saúde podem resistir à adoção da IA devido ao receio de desvalorização da sua profissão ou de perda de autonomia na tomada de decisões. Esta resistência pode impedir significativamente a integração da IA generativa nos fluxos de trabalho clínicos.

A confiança dos pacientes é outro fator crítico. Muitas pessoas continuam céticas em relação ao envolvimento da IA nos seus cuidados de saúde, preferindo a interação e o julgamento humanos aos conhecimentos gerados por máquinas.

A inteligência artificial está pronta para revolucionar os cuidados de saúde através de modelos preditivos e colaborações estratégicas. Estes desenvolvimentos prometem melhorar os cuidados aos pacientes, simplificar as operações e acelerar a investigação médica.

Os modelos preditivos baseados em IA vão transformar a tomada de decisões no domínio dos cuidados de saúde. Estas ferramentas analisarão grandes quantidades de dados sobre os pacientes para prever os resultados em termos de saúde e identificar potenciais riscos. Por exemplo, as plataformas de IA podem prever a probabilidade de readmissões hospitalares ou a progressão da doença.

Os algoritmos de aprendizagem automática continuarão a melhorar, permitindo diagnósticos mais exatos e planos de tratamento personalizados. As ferramentas de IA ajudarão na interpretação de imagens médicas, podendo detectar doenças mais cedo do que os médicos humanos.

As organizações de cuidados de saúde estão formando parcerias estratégicas com empresas de tecnologia para aproveitar sua experiência em IA. Estas colaborações têm como objetivo desenvolver soluções inovadoras de IA adatadas às necessidades dos cuidados de saúde.

A OpenAI e outras organizações semelhantes estão trabalhando com instituições médicas para criar modelos de IA especializados para aplicações nos cuidados de saúde. Estas parcerias centram-se no desenvolvimento de IA capaz de compreender a terminologia médica complexa e de ajudar na tomada de decisões clínicas.

Estão surgindo startups com aplicações móveis alimentadas por IA concebidas tanto para pacientes como para profissionais de saúde. Estas aplicações podem oferecer verificadores de sintomas, lembretes de medicação e assistentes de saúde virtuais.

As grandes empresas farmacêuticas estão colaborando com empresas de IA para acelerar os processos de descoberta e desenvolvimento de medicamentos. As ferramentas de IA estão sendo utilizadas para analisar estruturas moleculares e prever a eficácia dos medicamentos, reduzindo o tempo e o custo da introdução de novos tratamentos no mercado.

A IA generativa tem aplicações tanto para o corpo como para a mente. Os LLMs têm o potencial de revolucionar os cuidados de saúde mental, fornecendo ferramentas inovadoras para o diagnóstico, o tratamento e o apoio aos pacientes.

Esta tecnologia oferece soluções promissoras para melhorar as intervenções terapêuticas e simplificar as práticas de saúde mental.

Modelos generativos de IA estão sendo desenvolvidos para ajudar a diagnosticar problemas de saúde mental. Estes modelos analisam os dados dos pacientes, incluindo respostas verbais e padrões de comportamento, para fornecer aos médicos informações valiosas.

Um estudo publicado na Naturesugere uma abordagem em três etapas utilizando IA generativa para reconhecer, expressar e gerir emoções.

Uma das principais conclusões é o potencial da IA para criar ajudas visuais personalizadas, ajudando os pacientes, especialmente as crianças, a identificar e expressar melhor as suas emoções. Por exemplo, a IA pode gerar imagens personalizadas que representem vários estados emocionais, tornando os conceitos abstratos mais tangíveis.

O estudo também sublinha a importância da sensibilidade cultural nos conteúdos gerados por IA, reconhecendo que a expressão emocional pode variar significativamente consoante as culturas. Isto evidencia a necessidade de dados de formação diversificados e inclusivos para modelos de IA utilizados em aplicações de saúde mental.

Os investigadores propõem que a GAI possa aumentar as terapias baseadas em evidências existentes, como a Terapia Cognitivo-Comportamental (TCC), a Terapia Comportamental Dialética (DBT) e a Terapia de Aceitação e Compromisso (ACT), fornecendo ferramentas visuais adaptadas e conteúdo personalizado.

À medida que o campo evolui, há potencial para integrar a GAI com outras tecnologias, como a realidade virtual e aumentada, abrindo possibilidades para experiências terapêuticas mais imersivas e personalizadas.

A integração da IA generativa nos cuidados de saúde está dando início a uma nova era de cuidados e diagnóstico dos doentespacientes, com plataformas como InterSystems IRIS desempenham um papel fundamental nesta transformação.

À medida que exploramos todo o potencial das tecnologias de IA, é evidente que uma gestão de dados e integração de dados são essenciais para o sucesso.

Ao fornecer interoperabilidade sem descontinuidadese funcionalidades de segurança robustas, o InterSystems IRIS permite que as organizações de cuidados de saúde aproveitem todo o potencial da IA, garantindo simultaneamente a privacidade dos dados e a conformidade regulamentar.

Saiba mais sobre como o InterSystems IRIS pode ajudá-lo a integrar eticamente a IA generativa na sua organização de cuidados de saúde, contactando-nos hoje mesmo.