Tarefas que não estão diretamente relacionadas ao atendimento ao paciente
Os modernos sistemas de inteligência artificial já estão ajudando médicos a tratar pacientes. Por exemplo, a empresa HeartFlow, usando imagens de TC, simulação em computador do fluxo sanguíneo e algoritmos de aprendizado profundo,
pode construir uma placa 3D do coração. Isso permite que os médicos diagnosticem com mais precisão e rapidez as doenças cardíacas, reduzindo em 80% o número de procedimentos invasivos necessários.
No entanto, a IA também é usada em áreas que não estão diretamente relacionadas ao tratamento do paciente, mas ainda afetam a qualidade dos cuidados médicos. Hoje, queremos falar sobre essas tarefas, até certo ponto auxiliares, mas ainda importantes.
"Um médico atencioso virá onde for conveniente para você "Encaminhamento hospitalar
Sistemas de inteligência artificial e aprendizado de máquina podem ajudar não apenas no diagnóstico. Por exemplo, no final de maio, a Clínica Bloomsbury University College London (UCLH) anunciou que
usará sistemas de IA para identificar pacientes que realmente precisam de atendimento médico de emergência.
Quando um paciente com queixa de dor entra na sala de emergência, a equipe médica realiza procedimentos padrão - coleta sangue para análise, coleta de anamnese e, se necessário, realiza radiografia. Como observado na clínica, em 80% dos casos, os pacientes não têm nada sério - são medicamentos prescritos e liberados em casa.
O sistema de inteligência artificial permitirá identificar rapidamente os 20% que realmente precisam de atendimento de emergência. O CEO da UCLH, em entrevista ao Guardian,
disse que o software definirá a prioridade do paciente, avaliando o perigo dos sintomas expressados por ele. Por exemplo, dor no abdômen pode indicar apendicite ou doença renal, para que essa pessoa "se mova" em direção à cabeça da linha.
Os algoritmos de aprendizado de máquina também podem ajudar no encaminhamento de pacientes e médicos. Por exemplo, um pesquisador e neurologista do Hospital Nacional de Neurologia e Neurocirurgia do Reino Unido, Parashkev Nachev desenvolveu um algoritmo de aprendizado de máquina que analisa as informações sobre consultas na clínica e estima a probabilidade de o paciente perder uma sessão de ressonância magnética por um motivo ou outro digitalizar. Seu sistema
leva em consideração parâmetros como idade da pessoa, endereço e distância da clínica, condições climáticas. Até agora, o cientista conseguiu atingir uma precisão de 85%. Isso ajuda a redistribuir rapidamente o tempo de gravação.
E no mesmo UCLH, o sistema de inteligência artificial, desenvolvido por cientistas do Instituto. Alan Turing,
monitorará como médicos e pacientes “se movem” pelo hospital - quais tarefas eles executam, quais procedimentos eles vão. Isso ajudará a identificar possíveis “gargalos” na organização da clínica - uma situação ou local em que filas ou falta de equipamentos são potencialmente possíveis.
Pesquise novos conhecimentos
As práticas de tratamento seguidas pelos médicos tendem a se tornar obsoletas. Novas metodologias, novos estudos e medicamentos estão surgindo. Em 2004, os pesquisadores examinaram o conteúdo de 341 revistas médicas e descobriram que o número total de publicações mensais
excedia 7 mil .
Idealmente, o médico deve manter constantemente o nível de conhecimento do assunto, acompanhar as práticas modernas de tratamento - no entanto, é quase impossível estudar todo o corpo de publicações que são regularmente publicadas em periódicos - mesmo que seja um especialista.
As tecnologias de inteligência artificial em combinação com os mecanismos de pesquisa
são capazes de ajudar nessa situação. Uma solução semelhante foi desenvolvida por cientistas do centro de pesquisa americano
RAND , envolvidos na análise de problemas estratégicos. Eles ensinaram o sistema a procurar em grandes volumes de informações palavras-chave e termos relacionados ao assunto da solicitação.
Durante os testes, este tópico foi sobre gota, baixa densidade óssea e osteoartrite do joelho. O algoritmo foi capaz de reduzir o número de artigos relevantes de interesse dos médicos em 67 a 83%. Segundo os desenvolvedores, o sistema pulou apenas dois artigos que seriam selecionados por pessoas, mas nenhum deles continha informações críticas. A precisão do algoritmo de aprendizado de máquina foi de 96%.
Desenvolvimento de medicamentos
A experiência das empresas farmacêuticas
mostra que, desde o início dos ensaios pré-clínicos até a aprovação do medicamento e o tratamento dos pacientes, decorrem aproximadamente 12 anos. Ao mesmo tempo, apenas 0,1% dos "medicamentos candidatos" se enquadram em testes clínicos. A aprovação é recebida por 20% deles.
Os sistemas de inteligência artificial podem ajudar a resolver essa situação e acelerar o lançamento de novos medicamentos. Os sistemas de aprendizado de máquina e IA são
usados nos estágios iniciais do desenvolvimento de medicamentos.
Um exemplo é a solução AtomWise San Francisco. O sistema deles é chamado AtomNet. Ela usa métodos de aprendizado profundo para prever como as moléculas se comportarão e qual a probabilidade de formar as conexões necessárias.
Durante o treinamento, os desenvolvedores do AtomNet alimentaram os dados do sistema de inteligência artificial com os resultados de vários milhões de interações moleculares já conhecidas. Com base nessas interações, o
sistema aprendeu a prever interações que ainda não ocorreram. O software já ajudou a
criar medicamentos para tratar o Ebola.
Os sistemas de inteligência artificial e o aprendizado de máquina ajudam médicos e cientistas a trabalhar com mais eficiência. Os médicos são libertados de tarefas rotineiras, torna-se mais fácil para os cientistas realizarem pesquisas e os pacientes recebem tratamento mais rapidamente.
Hoje, os desenvolvimentos na interseção entre IA e medicina estão se tornando cada vez mais populares. Por exemplo, o Google começou a selecionar empresas envolvidas na criação de sistemas de inteligência artificial "médicas" para participar do programa acelerador de inicialização Launchpad Studio. No final do ano passado, quatro empresas
aderiram ao projeto de uma só vez.
No DOC +, também estamos envolvidos em desenvolvimentos nessa área: estamos desenvolvendo nosso próprio
sistema de PNL que pode processar textos sobre tópicos médicos. É usado no nosso
chatbot - ajuda a coletar uma anamnese, sabe como isolar os sintomas de doenças das queixas dos pacientes e, de forma estruturada, os encaminha ao médico.
Aliás, além do blog sobre Habré, temos uma revista temática “ Just Ask ” - nela falamos sobre medicina e saúde modernas: