E embora a IA não lide com todas as doenças até agora, os resultados de seu trabalho já parecem promissores
O tratamento eficaz dos pacientes requer uma combinação de treinamento e experiência. Essa é uma das razões pelas quais as pessoas estão ansiosas para usar a IA na medicina com interesse: os algoritmos podem ser treinados para usar a experiência de milhares de médicos, fornecendo a eles mais informações do que qualquer um poderia digerir.
No final de outubro, havia algumas evidências de que o software poderia ter chegado perto de atender a essas expectativas. Dois artigos foram publicados descrevendo os excelentes resultados preliminares do uso da IA para diagnóstico e tratamento. Os documentos indicam tarefas e abordagens completamente diferentes, o que sugere que o intervalo de situações em que a IA pode ser útil é muito amplo.
A escolha dos métodos de tratamento
Um estudo focou na
sepse (envenenamento do sangue) que ocorre quando o sistema imunológico reage excessivamente à infecção. A sepse é a terceira causa mais comum de morte no mundo e permanece um problema mesmo após a hospitalização. Existem métodos de tratamento de pacientes, mas, a julgar pelas estatísticas, existem oportunidades significativas para melhorar a situação. Portanto, uma pequena equipe de cientistas da Grã-Bretanha e dos EUA decidiu verificar se o software poderia fornecer essa melhoria.
Eles usaram um algoritmo de
aprendizado por reforço considerado eficaz em situações com "raros sinais de recompensa". Em outras palavras, com uma amostra tão grande da população, o corpo terá muitas outras coisas, exceto a sepse, que afetará os resultados de qualquer tratamento e, portanto, os sinais para um tratamento eficaz serão fracos e difíceis de distinguir. Essa abordagem foi desenvolvida para aumentar as chances de seu reconhecimento.
Uma grande base foi usada para treinar o software: mais de 17.000 pacientes com ressuscitação e 79.000 pacientes hospitalizados em mais de 125 clínicas. Os dados do paciente continham 48 parâmetros de informação, desde indicadores vitais e exames laboratoriais até demografia. O algoritmo usou dados para determinar o tratamento que maximiza a chance de sobrevivência do paciente por 90 dias. Os pesquisadores chamaram o software resultante de "AI Clinician".
Para avaliar a qualidade do trabalho de um clínico de IA, foi utilizado um conjunto separado de históricos médicos de pacientes. O algoritmo foi utilizado para selecionar um método de tratamento, após o qual o tratamento real dos pacientes foi comparado com o algoritmo proposto. Em geral, o software recomendou doses mais baixas de injeções e doses mais altas de drogas vasoconstritoras. As pessoas cujo tratamento coincidiu com essas recomendações sobreviveram com mais frequência do que outros grupos de pacientes.
Diagnóstico
O segundo artigo avaliou a capacidade de detectar problemas que requerem tratamento, em particular fraturas ósseas. Muitas vezes, esses problemas são fáceis de ver, mas é difícil notar um pequeno chip ou uma pequena fenda, mesmo para um especialista. Na maioria dos casos, o diagnóstico não está nos ombros de um especialista, mas de um médico que trabalha em ambulância. O novo estudo não procura criar IA para substituir médicos, apenas quer ajudá-los.
A equipe pediu a 18 cirurgiões ortopédicos para diagnosticar 135.000 imagens de possíveis fraturas dos pulsos e, em seguida, usou esses dados para treinar o algoritmo, uma
rede neural convolucional com
treinamento aprofundado . O algoritmo foi usado para marcar áreas às quais médicos que não são especialistas em ortopedia devem prestar atenção. De fato, ele os ajudou a se concentrar em áreas onde uma fratura era mais provável.
No passado, muitos diagnósticos eram submetidos a esses testes, e os médicos recomendavam testes adicionais em casos inócuos. Mas, neste caso, a precisão do diagnóstico aumentou e os falsos positivos diminuíram. A sensibilidade (ou a capacidade) para determinar as fraturas aumentou de 81% para 92%, e a precisão (a capacidade de fazer um diagnóstico correto) aumentou de 88% para 94%. Em suma, isso significa que os médicos de ambulâncias teriam quase a metade do número de diagnósticos incorretos.
Nos dois estudos, o software não foi usado em um contexto que refletisse completamente as circunstâncias médicas. Os médicos de emergência e os médicos de sepse (que podem ser as mesmas pessoas) geralmente têm muitos motivos adicionais de excitação e distração; portanto, será difícil integrar a IA ao trabalho. Mas o sucesso dessas tentativas sugere que os ensaios clínicos de IA podem começar mais cedo do que se pensava anteriormente e, depois disso, aprenderemos realmente como a IA pode ajudar a fazer diagnósticos reais e prescrever tratamento.