Na aprendizagem automática, os computadores aprendem a partir de conjuntos de dados, em vez de serem explicitamente programados com instruções. A aprendizagem profunda é um tipo de aprendizagem automática que utiliza uma rede neuronal artificial em camadas e imita o funcionamento do cérebro humano para gerar previsões automáticas a partir de conjuntos de dados.
A maioria destes envolve validação in silico/baseada em computador, que utiliza dados de estudos retrospectivos e gera uma hipótese que pode ser testada prospectivamente e comprovada. O aprendizagem profunda atingiu novos patamares com as recentes conquistas em muitas áreas da medicina, desde o diagnóstico de cancro até à previsão de suicídio.
O setor da saúde é um setor desafiante de digitalizar devido à enorme quantidade de informação necessária para treinar o algoritmo. Os avanços tecnológicos neste campo deram grandes passos, desde videochamadas com médicos até algoritmos informáticos para diagnóstico.
O smartphone tornou-se o centro da digitalização na nova era da medicina; embora existam alguns desafios e limitações, a IA tem sido, em grande parte, positiva.
Esta análise centra-se na forma como a IA pode ser utilizada, bem como nos desafios enfrentados no campo dos cuidados de saúde.
Aplicações da IA na área da saúde
O gráfico abaixo destaca as áreas que podem ser alvo da IA e o valor anual potencial que poderá ser poupado até 2026:
Medicina de precisão na gestão das doenças crónicas
A medicina de precisão centra-se na definição do perfil molecular do estado fisiológico de um indivíduo. Muitos fatores internos e externos podem influenciar as alterações fisiológicas e determinar o risco de um indivíduo contrair uma doença.
Fatores externos, tais como a alimentação, o estilo de vida, o sono, o stress, a situação socioeconómica, a localização geográfica, as experiências na infância e a atividade física, combinados com fatores internos relacionados com o património genético, a microbiota intestinal, o metabolismo e o estado inflamatório, são todos fatores críticos na determinação do perfil de saúde e do risco de doença de um indivíduo.
A Inteligência Artificial tem sido amplamente utilizada para prever doenças quando não existem sintomas evidentes; condições crónicas como a hipertensão ou a diabetes podem conduzir a doenças como a doença renal. Um estudo realizado com 300 000 pacientes demonstrou que a IA previu estas condições com precisão.
O rastreio por IA teve um impacto significativo no diagnóstico da retinopatia diabética, uma das principais causas de cegueira, bem como na previsão de se as células de uma pessoa se tornarão cancerosas mais tarde na vida. Curiosamente, agora também é possível analisar os genes para detetar quaisquer mutações e alterar a dieta para aliviar os sintomas que estas causam.
Para combater doenças crónicas como a diabetes, as empresas desenvolveram algoritmos que fornecem serviços de acompanhamento virtual para alcançar um controlo e gestão ideais, bem como sensores de glicose e aplicações para smartphones para uma gestão avançada da diabetes. Por exemplo, os níveis de açúcar no sangue podem ser monitorizados utilizando o reconhecimento de alimentos e refeições por IA no smartphone, monitorizando continuamente os dados de glicose e combinando-os com dados de exercício físico para fornecer orientação através de mensagens de texto.
Outro exemplo seria o de um scanner de pés que tira imagens do paciente e, utilizando aprendizagem automática, consegue detetar úlceras do pé diabético. Os algoritmos podem fornecer monitorização remota das medições de glicose de um indivíduo e orientar a sua dieta, exercício físico e dosagem de medicamentos.
Os cuidados cardiovasculares são agora possíveis em casa para os doentes que utilizam a monitorização remota com a ajuda de empresas como a Tricog Health para o diagnóstico de doenças cardíacas baseado na nuvem. Recentemente, os «programas de bem-estar» ganharam destaque, focando-se na contagem de passos e nas leituras da pressão arterial, juntamente com os resultados de análises laboratoriais, para promover a importância de um estilo de vida saudável.
A IA no diagnóstico de doenças
Aprendizagem automática na genética
A aprendizagem automática, um subtipo da Inteligência Artificial, tem vindo a ganhar um impulso extraordinário desde a década de 1990, especialmente no domínio da engenharia genética.
Existem duas aplicações principais da aprendizagem automática na Genética:
1. Identificação de genes nocivos / genes mutantes
A análise do ADN é muito complexa (com mais de 20 000 genes) e pode tornar-se extremamente tediosa e demorada. Os algoritmos ajudam a identificar os genes mutantes, comparando o ADN da pessoa com um ADN normal. Além disso, a imagiologia 3D pode ser utilizada para identificar mutações genéticas sem a necessidade de recolher amostras de tecido através de cirurgia.
2. Tratamento de doenças
Um dos principais argumentos a favor da edição genética é a capacidade de eliminar genes causadores de doenças. Os algoritmos de aprendizagem automática podem ajudar a realizar este processo de forma eficiente e precisa para auxiliar na reparação do ADN, eliminando assim qualquer potencial de erro. À semelhança do diagnóstico de doenças com base no genoma, a IA pode ajudar a identificar quais os genes que foram afetados por mutações nocivas e que devem ser alvo de terapia genética.
Uma nova abordagem para a descoberta e o desenvolvimento de medicamentos com recurso à IA
Embora a IA não substitua o papel desempenhado pelos cientistas, ajuda-os a visualizar conceitos e facilita a análise de conjuntos de dados complexos (especialmente na genómica).
A triagem de bibliotecas por IA e o desenho automatizado de moléculas por IA resultam num desenvolvimento mais rápido de moléculas mais potentes e reduzem a necessidade de ensaios pré-clínicos em animais. Além de identificar potenciais moléculas terapêuticas, também elimina os compostos que já estão patenteados. Levando isto para o próximo nível está o processamento de imagens através de algoritmos e microscópios automatizados para analisar testes de medicamentos de alto rendimento em células humanas, a fim de fornecer informações detalhadas sobre o tamanho e a forma das células e dos núcleos. A vantagem desta descoberta automatizada de medicamentos é a redução do número de compostos a testar, bem como a previsão da dose correta para medicamentos experimentais. Os prazos de descoberta de medicamentos podem ser reduzidos em cerca de quatro anos e a eficiência melhorada em 60%.
Os esforços da IA na neurociência estão bem avançados para recriar o funcionamento do cérebro humano em computadores. Embora existam muitas limitações para a automatização do trabalho de laboratório, a IA está a ser utilizada para conceber a próxima série de experiências que podem acelerar o processo de forma eficiente.
A variabilidade, as questões éticas e os custos desempenham um papel significativo nos ensaios clínicos. São utilizados conjuntos de dados in silico para treinar o algoritmo de desenvolvimento de medicamentos, através da modelação de sistemas biológicos durante os ensaios clínicos e com base em bases de dados hospitalares. Esta abordagem tem o potencial de substituir animais e seres humanos e de criar «pacientes virtuais». Algumas áreas, como os ensaios pediátricos e os ensaios relativos a doenças raras, podem tirar partido dos ensaios clínicos in silico.
Cuidados de saúde virtuais com assistentes médicos baseados em IA
Os cuidados virtuais estão a ganhar importância na atualidade, uma vez que muitos doentes preferem permanecer no conforto das suas próprias casas, sem o risco de contrair infeções. Popularmente conhecido como «calor sem contacto», este conceito de monitorização remota está a substituir os quartos de hospital tradicionais.
O algoritmo de vigilância de IA de alta tecnologia pode alertar o médico para a possibilidade de surgirem quaisquer condições, mesmo na ausência de sintomas. Sensores e algoritmos podem detetar/monitorizar a temperatura, o pulso, o estado de espírito, as atividades e até mesmo a eventualidade de um idoso cair em casa.
Para que estes dispositivos sejam aprovados para uso doméstico pelas autoridades reguladoras, é necessário provar que são automáticos, precisos, económicos e que se integram bem com as instalações de monitorização remota.
Os cuidados de saúde na forma de um «Assistente Médico Virtual» estão a ganhar popularidade devido à sua facilidade de utilização. Existem mais de 250 milhões de pessoas com deficiência visual no mundo e as plataformas de voz com IA oferecem-lhes ajuda ilimitada nas suas atividades diárias, incluindo a promoção da saúde ou uma melhor gestão de uma doença crónica.
Atualmente, as braceletes de relógio transmitem a frequência cardíaca e a atividade física de uma pessoa, permitindo que um eletrocardiograma (ECG) seja utilizado para procurar quaisquer indícios de fibrilação atrial e alertar o paciente através de mensagens.
Embora os chatbots de IA não possam proporcionar o toque humano e o cuidado, podem interagir com avatares esteticamente agradáveis – para capacitar não só os médicos, mas também os pacientes.
Dito isto, Hiroshi Ishiguro criou bots com uma réplica humana impressionante, incluindo uma semelhança notável com as mãos humanas, que possuem sensores de IA incorporados para detetar até mesmo o humor de uma pessoa e manter uma conversa fluida durante vinte minutos.
O papel da IA nos hospitais
Um dos principais desafios que os hospitais enfrentam é o tratamento de doentes que contraem infeções durante a hospitalização. A possibilidade de sepsis, infeções por Clostridium difficile adquiridas no hospital ou infeções nosocomiais é aumentada pela falta de lavagem das mãos ou por uma lavagem inadequada.
A aprendizagem profunda e a visão computacional podem monitorizar a higiene das mãos de médicos e cirurgiões utilizando imagens de vídeo e sensores de profundidade. Uma Unidade de Cuidados Intensivos (UCI) recorre ao apoio da visão computacional para detetar o momento adequado em que o doente poderá necessitar de um ventilador mecânico ou de vigilância automatizada dos sinais vitais.
A utilização destes algoritmos na área da saúde também permite prever complicações pós-cirúrgicas, como morte hospitalar, insuficiência renal, hemorragias e necessidade de readmissão hospitalar, que são difíceis de prever pelos médicos.
As tarefas administrativas nos hospitais, como a marcação de consultas, os sistemas de chamada de enfermeiros e os sistemas de faturação, são tratadas facilmente sem grande necessidade de mão de obra, tornando-se assim mais fácil para o pessoal concentrar-se nas tarefas mais importantes com os doentes.
Os sistemas de aprendizagem automática também podem analisar completamente o registo do paciente e fornecer recomendações ao médico, bem como analisar rapidamente imagens médicas e exames para uma tomada de decisão precisa.
A IA pode ser utilizada na área da saúde em todas as suas vertentes operacionais – organização de registos de pacientes, sugestão de diagnósticos através da interação com bots, identificação de pacientes através do reconhecimento facial, interpretação de tomografias computadorizadas e fluxos de trabalho em salas de operações.
No processo de «democratização» dos cuidados de saúde, o poder tem vindo a passar lentamente do médico para o doente. Os doentes podem agora obter os resultados dos seus exames laboratoriais ou eletrocardiogramas (ECG) no telemóvel, podendo depois analisar os resultados através de uma aplicação no telemóvel e obter o diagnóstico mesmo antes de uma consulta médica. Qualquer pessoa pode realizar vários exames físicos dos seus sinais vitais, olhos, ouvidos, garganta, coração e pulmões através de aplicações no smartphone. O acesso aos Registos de Saúde Eletrónicos (RSE) resultou em pacientes a relatarem uma melhor adesão à medicação e em muitos médicos a tornarem-se cautelosos quanto à linguagem utilizada nas notas.
A aplicação da IA na previsão da esperança de vida de pacientes terminais pode melhorar a precisão na determinação do tempo necessário para os cuidados. Embora tenha sido apelidado de «algoritmo da morte», o lado positivo é tornar a vida dos pacientes e dos seus cuidadores mais fácil e gratificante.
