5 maneiras de usar IA generativa na saúde

A PwC prevê que os custos dos cuidados de saúde aumentarão 7% em 2024. Este aumento é atribuído principalmente ao esgotamento dos profissionais de saúde, à subsequente escassez de mão-de-obra, às disputas entre pagadores e prestadores e à inflação. Para garantir um atendimento eficiente ao paciente sem incorrer em custos operacionais excessivos, a indústria está a explorar tecnologias inovadoras, como a IA generativa nos cuidados de saúde.

A Accenture relata que 40% das horas de trabalho dos prestadores de cuidados de saúde podem ser melhoradas com IA, enquanto um artigo recente da Forbes sugere que esta tecnologia pode poupar ao setor médico dos EUA pelo menos 200 mil milhões de dólares em despesas anuais.

A IA generativa na área da saúde utiliza algoritmos de aprendizado de máquina para analisar dados não estruturados, como registros de saúde de pacientes, imagens médicas, gravações de áudio de consultas, etc., e produzir novos conteúdos semelhantes àqueles em que foi treinado.

Neste artigo, nossa empresa de desenvolvimento de IA generativa explicará como a tecnologia pode apoiar as organizações de saúde.

Casos de uso de IA generativa na área da saúde

1. Facilitando treinamento médico e simulação
2. Auxiliando no diagnóstico clínico
3. Contribuindo para o desenvolvimento de medicamentos
4. Automatizando tarefas administrativas
5. Gerando dados médicos sintéticos

Facilitando treinamento médico e simulações

A IA generativa na área da saúde pode gerar simulações realistas que replicam uma grande variedade de condições de saúde, permitindo que estudantes e profissionais de medicina pratiquem em um ambiente controlado e sem riscos. A IA pode gerar modelos de pacientes com diferentes doenças ou ajudar a simular uma cirurgia ou outro procedimento médico.

O treinamento tradicional envolve cenários pré-programados, que são restritivos. A IA, por outro lado, pode gerar rapidamente casos de pacientes e adaptar-se em tempo real, respondendo às decisões tomadas pelos formandos. Isso cria uma experiência de aprendizagem mais desafiadora e autêntica.

Exemplo da vida real

A Universidade de Michigan construiu uma IA generativa no modelo de saúde que pode produzir vários cenários para simular o tratamento da sepse.

A Universidade da Pensilvânia implementou um modelo generativo de IA para simular a propagação da COVID-19 e testar diferentes intervenções. Isto ajudou os investigadores a avaliar o impacto potencial do distanciamento social e da vacinação sobre o vírus.

Auxiliando no Diagnóstico Clínico

Veja como a IA generativa para a saúde pode contribuir para o diagnóstico:

• Gerando imagens médicas de alta qualidade . Os hospitais podem empregar ferramentas generativas de IA para aprimorar as habilidades de diagnóstico da IA ​​tradicional. Essa tecnologia pode converter varreduras de baixa qualidade em imagens médicas de alta resolução com grandes detalhes, aplicar algoritmos de IA de detecção de anomalias e apresentar os resultados aos radiologistas.
• Diagnosticando doenças . Os pesquisadores podem treinar modelos generativos de IA em imagens médicas, testes de laboratório e outros dados de pacientes para detectar e diagnosticar o início precoce de diferentes condições de saúde. Esses algoritmos podem detectar câncer de pele, câncer de pulmão, fraturas ocultas, sinais precoces de Alzheimer, retinopatia diabética e muito mais. Além disso, os modelos de IA podem revelar biomarcadores que podem causar distúrbios específicos e prever a progressão da doença.
• Respondendo a perguntas médicas . Os diagnosticadores podem recorrer à IA generativa na área da saúde se tiverem dúvidas, em vez de procurar uma resposta em livros médicos. Os algoritmos de IA podem processar grandes quantidades de dados e gerar respostas rapidamente, economizando um tempo precioso dos médicos.

Exemplos da vida real

Uma equipe de pesquisadores experimentou modelos de Rede Adversarial Generativa (GAN) para extrair e aprimorar recursos em exames médicos de baixa qualidade, transformando-os em imagens de alta resolução. Essa abordagem foi testada em exames de ressonância magnética cerebral, dermatoscopia, fundoscopia de retina e imagens de ultrassom cardíaco, exibindo uma taxa de precisão superior na detecção de anomalias após aprimoramento de imagem.

Em outro exemplo, o Med-Palm 2, alimentado por IA do Google, foi treinado no conjunto de dados MedQA e alcançou uma taxa de precisão de 85% ao responder a perguntas médicas relevantes. O Google admite que o algoritmo ainda precisa de melhorias, mas é um forte começo para a IA generativa como assistente de diagnóstico.

Contribuindo para o desenvolvimento de medicamentos

De acordo com o Gabinete Orçamental do Congresso, o processo de desenvolvimento de novos medicamentos custa em média entre mil milhões e dois mil milhões de dólares, o que também inclui medicamentos fracassados. Felizmente, há provas de que a IA tem o potencial de reduzir quase para metade o tempo necessário para conceber e testar novos medicamentos, poupando à indústria farmacêutica cerca de 26 mil milhões de dólares em despesas anuais no processo. Além disso, esta tecnologia pode reduzir os custos associados aos ensaios clínicos em 28 mil milhões de dólares por ano.

As empresas farmacêuticas podem implantar IA generativa na área da saúde para acelerar a descoberta de medicamentos:

• Projetar e gerar novas moléculas com propriedades desejadas que os pesquisadores possam avaliar posteriormente em laboratório
• Predição de propriedades de novos candidatos a medicamentos e proteínas
• Geração de compostos virtuais com alta afinidade de ligação ao alvo que podem ser testados em simulações computacionais para reduzir custos
• Previsão de efeitos colaterais de novos medicamentos através da análise de sua estrutura molecular

Você pode encontrar mais informações sobre o papel da IA ​​na descoberta de medicamentos e como ela facilita os ensaios clínicos em nosso blog.

Exemplos da vida real

O aumento de parcerias estratégicas entre empresas de biotecnologia e startups de IA é um sinal precoce de que a IA generativa está a assumir o controlo da indústria farmacêutica.

Recentemente, a Recursion Pharmaceuticals adquiriu duas startups canadenses de IA por US$ 88 milhões. Um deles, Valence, é conhecido pelas suas capacidades generativas de IA e trabalhará na concepção de candidatos a medicamentos com base em conjuntos de dados pequenos e ruidosos que não são suficientes para os métodos tradicionais de descoberta de medicamentos.

Outro exemplo interessante vem da Universidade de Toronto. Uma equipe de pesquisa construiu um sistema generativo de IA, ProteinSGM, que pode gerar novas proteínas realistas após estudar representações de imagens de estruturas proteicas existentes. Esta ferramenta pode produzir proteínas em alta taxa e, em seguida, outro modelo de IA, OmegaFold, é implantado para avaliar o potencial das proteínas resultantes. Os pesquisadores relataram que a maioria das novas sequências geradas se dobram em estruturas proteicas reais.

Automatizando tarefas administrativas

Este é um dos casos de uso de IA generativa mais proeminentes na área da saúde. Estudos mostram que a taxa de esgotamento entre médicos nos EUA atingiu impressionantes 62%. Os médicos que sofrem desta condição têm maior probabilidade de se envolverem em incidentes que colocam os seus pacientes em perigo e estão mais propensos ao abuso de álcool e a pensamentos suicidas.

Felizmente, a IA generativa na área da saúde pode aliviar parcialmente a carga dos ombros dos médicos, simplificando as tarefas administrativas. Pode simultaneamente reduzir os custos associados à administração, que, segundo a HealthAffairs, representa 15%-30% dos gastos globais com saúde. Aqui está o que a IA generativa pode fazer:

• Extraia dados dos registros médicos dos pacientes e preencha os registros de saúde correspondentes. A Microsoft está planejando integrar IA generativa ao EHR da Epic. Esta ferramenta realizará diversas tarefas administrativas, como responder mensagens de pacientes.
• Transcreva e resuma as consultas dos pacientes, preencha essas informações nos campos EHR correspondentes e produza documentação clínica. A Nuance da Microsoft integrou a tecnologia de IA generativa GPT-4 em seu software de transcrição clínica. Os médicos já podem testar a versão beta.
• Gere relatórios de saúde estruturados analisando informações do paciente, como histórico médico, resultados laboratoriais, exames, etc.
• Produzir recomendações de tratamento
• Responda às dúvidas dos médicos
• Encontre horários ideais para agendamento de consultas com base nas necessidades dos pacientes e na disponibilidade dos médicos
• Gere lembretes de compromissos personalizados e e-mails de acompanhamento
• Revise as solicitações de seguro médico e preveja quais delas provavelmente serão rejeitadas
• Elabore pesquisas para coletar feedback dos pacientes sobre diferentes procedimentos e visitas, analise-os e produza insights acionáveis ​​para melhorar a prestação de cuidados

Exemplo da vida real

A Navina, uma startup de IA médica, criou um assistente de IA generativo que ajuda os médicos a realizar tarefas administrativas com mais eficiência. Esta ferramenta pode acessar dados de pacientes, incluindo EHRs, solicitações de seguros e documentos digitalizados, fornecer atualizações de status, recomendar opções de atendimento e responder a perguntas dos médicos. Pode até gerar documentos estruturados, como cartas de recomendação e notas de progresso.

Navina já arrecadou US$ 44 milhões em financiamento, o que indica um forte interesse da comunidade médica.

Gerando Dados Médicos Sintéticos

A investigação médica depende do acesso a grandes quantidades de dados sobre diferentes condições de saúde. Estes dados são dolorosamente escassos, especialmente quando se trata de doenças raras. Além disso, a coleta desses dados é cara e seu uso e compartilhamento são regidos por leis de privacidade.

A IA generativa na medicina pode produzir amostras de dados sintéticos que podem aumentar os conjuntos de dados de saúde da vida real e não estão sujeitas a regulamentos de privacidade, uma vez que os dados de saúde não pertencem a indivíduos específicos. A inteligência artificial pode gerar dados EHR, varreduras, etc.

Exemplos da vida real

Uma equipe de pesquisadores alemães construiu um modelo alimentado por IA, GANerAid, para gerar dados sintéticos de pacientes para ensaios clínicos. Este modelo é baseado na abordagem GAN e pode produzir dados médicos com as propriedades desejadas, mesmo que o conjunto de dados de treinamento original tenha tamanho limitado.

Outra equipe de cientistas fez experiências com IA generativa para sintetizar registros eletrônicos de saúde. Os pesquisadores foram motivados por regulamentações restritivas de privacidade de dados e pela incapacidade de compartilhar efetivamente os dados dos pacientes entre hospitais. Eles construíram o modelo EHR-M-GAN que poderia derivar dados EHR heterogêneos e de tipo misto (o que significa que contém valores contínuos e discretos) que representam realisticamente as trajetórias dos pacientes.

Considerações éticas e desafios da IA ​​generativa na saúde

Embora os gigantes da tecnologia e da consultoria continuem a investir em IA, também podemos ver como especialistas proeminentes em IA, incluindo o CEO da Tesla, Elon Musk, e o CEO da OpenAI, Sam Altman, alertam para os riscos associados à tecnologia. Então, quais desafios a IA generativa traz para a saúde?

• Preconceito . O desempenho dos modelos de IA é tão bom quanto o conjunto de dados em que foram treinados. Se os dados não representarem de forma justa a população-alvo, isso deixará espaço para preconceitos contra grupos menos representados. Como ferramentas generativas de IA treinadas em grandes quantidades de dados de registros de pacientes, elas herdarão qualquer preconceito ali presente e será um desafio detectá-lo, e muito menos erradicá-lo.
• Falta de regulamentação . Embora a IA apresente preocupações éticas consideráveis, ainda não existem regulamentos oficiais que regulem a utilização desta tecnologia. Os EUA e a UE estão a trabalhar no sentido de formalizar políticas relevantes, mas isso não acontecerá num futuro próximo.
• Preocupações com a precisão . A IA comete erros e, na área da saúde, o preço de tais erros é bastante elevado. Por exemplo, grandes modelos de linguagem (LLMs) podem ter alucinações. O que significa que eles podem produzir resultados sintaticamente prováveis ​​que são factualmente incorretos. As organizações de saúde terão de decidir quando tolerar erros e quando exigir que o modelo de IA explique as suas conclusões. Por exemplo, se a IA generativa for utilizada para auxiliar no diagnóstico do cancro, é pouco provável que os médicos adotem tal ferramenta se esta não puder justificar as suas recomendações.
• Responsabilidade . Quem é responsável pelo resultado final de saúde? É o médico, o fornecedor de IA, os desenvolvedores de IA ou outra parte? A falta de responsabilização pode ter um impacto negativo na motivação e no desempenho.

Pronto para aprimorar sua prática de saúde com IA generativa?

Os algoritmos generativos de IA estão se tornando cada vez mais poderosos. Robert Pearl, professor clínico da Faculdade de Medicina da Universidade de Stanford, disse:

“O poder do ChatGPT está dobrando a cada seis meses ou um ano. Em cinco anos, será 30 vezes mais poderoso do que é hoje. Em 10 anos, será 1.000 vezes mais poderoso. O que existe hoje é como um brinquedo. Nas ferramentas da próxima geração, estima-se que haverá um trilhão de parâmetros, que é curiosamente o número aproximado de conexões no cérebro humano.”

A IA pode ser uma aliada poderosa, mas se for mal utilizada, pode causar danos significativos. As organizações de saúde precisam abordar esta tecnologia com cautela. Se você está pensando em implantar soluções baseadas em IA para assistência médica, aqui estão três dicas para você começar:

• Prepare seus dados . Mesmo que você decida optar por um modelo de IA pré-treinado e pronto, você ainda pode querer treiná-lo novamente em seu conjunto de dados proprietário, que precisa ser de alta qualidade e representativo da população-alvo. Mantenha os dados médicos sempre seguros e proteja a privacidade do paciente. Seria útil divulgar em qual conjunto de dados um algoritmo foi treinado, pois isso ajuda a entender onde ele terá um bom desempenho e onde poderá falhar.
• Assuma o controle de seus modelos de IA . Cultive o conceito de IA responsável em sua organização. Certifique-se de que as pessoas saibam quando e como usar as ferramentas e quem assume a responsabilidade pelo resultado final. Teste os modelos generativos de IA em casos de uso com impacto limitado antes de escalar para aplicativos mais sensíveis. Conforme mencionado anteriormente, a IA generativa pode cometer erros. Decida onde uma pequena taxa de falha é aceitável e onde você não pode arcar com isso. Por exemplo, uma precisão de 98% pode ser suficiente em aplicações administrativas, mas é inaceitável em diagnósticos e práticas voltadas para pacientes. Elabore uma estrutura que regerá o uso de IA generativa na área da saúde em seu hospital.
• Ajude seus funcionários a aceitar a tecnologia e a usá-la . A IA ainda precisa de orientação humana, especialmente no setor da saúde, fortemente regulamentado. Human-in-the-loop continua sendo um ingrediente essencial para o sucesso da tecnologia. Espera-se que o pessoal médico e administrativo supervisione os modelos de IA, pelo que os hospitais precisam de se concentrar na formação de pessoas para esta tarefa. Os colaboradores, por outro lado, devem ser capazes de reinventar a sua rotina diária, agora que a IA faz parte dela, para utilizar o tempo libertado para produzir valor.

Quer se beneficiar da IA ​​generativa, mas não sabe como proceder? Deixe-nos uma mensagem! Ajudaremos você a preparar seus dados, implementar a ferramenta e integrá-la às suas operações.

Publicado originalmente em https://itrexgroup.com em 6 de setembro de 2023.