As inovações relacionadas à tecnologia nos surpreendem quase que diariamente. A cada hora surge uma novidade, uma funcionalidade, uma nova forma de enxergar o mundo e fazer as coisas. Não demora muito até percebermos que tudo está em constante transformação.
Todas as áreas estão mudando concepções, mas hoje vamos focar em apenas uma: falaremos sobre qual é o panorama do machine learning na saúde e o que mais de revolucionário está por vir.
Quando falamos em internet, logo nos deparamos com o termo inteligência artificial que, por sua vez, puxa assuntos relacionados a computadores que se baseiam em dados disponíveis para aprender continuamente e, depois, tomar decisões diversas sem a necessidade de interação humana.
Isso é machine learning. O aprendizado da máquina.
Quando as coisas se tornam mais automatizadas, muitos processos passam por verdadeiras transformações e abrem-se para novas oportunidades. Um dos segmentos que abraçou mais fortemente a tecnologia, especialmente nos últimos anos, foi o da saúde.
Clínicas e hospitais, médicos e enfermeiros, pacientes e familiares: todos são influenciados e se beneficiam de alguma forma. Vamos agora ver o que já mudou com as técnicas de machine learning na saúde.
Os impactos no setor
Diagnósticos mais rápidos, tratamentos mais assertivos e riscos melhor calculados. A tecnologia tornou-se uma grande aliada de médicos e pacientes. A publicação de notícias constantes sobre novas descobertas e implementações não nos deixam mentir.
A Google, por exemplo, lançou em 2017 uma ferramenta capaz de detectar indícios de câncer de mama em homens e mulheres. O algoritmo identifica padrões celulares em tecidos humanos e consegue encontrar células anormais. Enquanto a assertividade de um patologista era de 73%, a desta abordagem atingiu 89% na análise de biópsias.
Um outro algoritmo de machine learning foi desenvolvido para detectar retinopatia diabética em fotografias de retina. Segundo um artigo da JAMA Network sobre a descoberta, depois da avaliação de mais de 11 mil imagens, o índice de acerto foi de mais de 98%.
O interessante é que estudos têm sido feitos em diversas áreas relacionadas, incluindo as de oftalmologia, cardiologia, patologia e radiologia. Atualmente, a tecnologia já é treinada para analisar imagens, identificar pontos problemáticos e informar aos profissionais responsáveis quais são as áreas que precisam de mais atenção.
O que já é feito
Rápida como ela é, a tecnologia tem beneficiado a área da saúde de diversas formas. Existem aplicações em uso neste exato momento, que já conseguem detectar infecções, anormalidades e doenças em questão de segundos.
Além da agilidade, o uso de machine learning na saúde é muito bem aceito por diminuir a margem de erro humano, responsável por aproximadamente 10% das mortes de pacientes e por até 17% de complicações hospitalares nos Estados Unidos. Os dados são das National Academies of Sciences, Engineering, and Medicine e foram revelados em 2015.
A falta de comunicação entre profissionais da área, pacientes e familiares também é um problema enfrentado pelo setor, o que compromete o diagnóstico preciso.
A inteligência artificial surgiu para tentar sanar algumas dessas complicações e tem cumprido este papel com maestria.
Uma startup do Reino Unido é um exemplo. Batizada de Babylon Health, atualmente tem cerca de 150 mil usuários registrados, que se comunicam com um chatbot em busca de orientações, encaminhamentos e diagnósticos.
A marcação de consultas também pode ser feita online, em um sistema que não para nunca, funcionando 24 horas, todos os dias. Ah, depois do papo com o médico, o aplicativo envia as receitas médicas ao paciente, onde ele estiver.
Outro bom exemplo é o algoritmo treinado por pesquisadores da Universidade de Stanford, que faz o trabalho de um dermatologista e consegue identificar câncer de pele ou melanoma em pacientes. Quando o profissional tem uma avaliação inconclusiva, a máquina consegue tirar essa dúvida.
O Brasil também conta com avanços relacionados à tecnologia para a área de saúde e farmacologia. De acordo com uma reportagem da Globo.com, a Faculdade de Saúde Pública da Universidade de São Paulo (FSP-USP) utiliza conceitos de machine learning e big data para prever e resolver os principais problemas do país relacionados à saúde pública.
E no futuro, como será tudo isso?
O panorama para os próximos anos é animador. Uma das previsões é que, em breve, poderemos contar com computadores capazes de detectar a presença de mosquitos transmissores de doenças como dengue e zika em certos pontos geográficos, direcionando esforços para esses locais e tomando as providências cabíveis antes de colocar a população em risco.
Dentro dos próximos anos, muito pode acontecer. E certamente acontecerá. Se pensarmos por alguns minutos, os serviços de saúde podem ser aprimorados de muitas maneiras.
Talvez:
- a modelagem preditiva consiga identificar moléculas com potencial de serem transformadas em medicamentos para combater processos biológicos;
- a triagem de pacientes seja mais precisa e detalhada, incluindo até mesmo informações genéticas;
- acompanhamentos de testes de laboratório sejam feitos em tempo real, com resultados obtidos rapidamente, evitando atrasos ou investimentos desnecessários;
- todos os dados sejam integrados, facilitando a comunicação entre médicos especialistas e pacientes.
As previsões são da McKinsey e vão muito além das que citamos aqui. A verdade é que se trata de um campo amplo e muito profundo. A transformação já começou e tende a se expandir a todas as especialidades, em todos os territórios.
Em um futuro não muito longínquo, o machine learning na saúde certamente será como um assistente pessoal, monitorando pacientes em tempo real e oferecendo opiniões objetivas sobre saúde, o que otimiza uma infinidade de processos e, consequentemente, melhora a qualidade de vida de quem está em tratamento.
Ficou curioso sobre tudo o que pode estar relacionado ao machine learning? Saiba mais detalhes sobre como isso funciona clicando aqui.
Sobre o autor
Tiago Magnus atuou nos últimos 10 anos em projetos digitais, trabalhando com marcas como Lenovo, Carmen Steffens, Mormaii, VTEX, Carrefour, Centauro, entre outras, e como sócio de uma das principais agências digitais do Brasil. Hoje, é Diretor de Transformação Digital na ADVB e está à frente do TransformacaoDigital.com, empreendendo para democratizar o futuro.