O despertar da força: o médico no período do homo hybridus

Os primeiros dispositivos tecnológicos na medicina, como a radiografia e eletrocardiograma, geraram medo nos profissionais alegando receio quanto ao abandono do exame físico nas avaliações médicas. A internet chegou para todos, bem como um excesso de informações aleatórias, sem um filtro adequado daqueles que não sabem utilizá-la de forma útil e adequada. Os médicos e outros profissionais de saúde se tornaram mais autoconscientes. Um elevado número de estudos de diferentes desenhos e análises estatísticas, sem o mesmo filtro adequado, levam a decisões clínicas subótimas ou falhas. A ideia de arte da medicina, norteando grande parte das decisões clínicas, traduz-se em conhecimento inconsistente e incompleto, habilidades, treinamento e experiência variáveis e um elevado grau de preconceitos. Consequentemente, acaba gerando uma variação grosseira do cuidar, das decisões clínicas e dos resultados.

A inconsistência na conduta clínica acaba por gerar não só decisões clínicas subótimas ou falhas, traduzindo em maiores impactos na morbidade e no custo atual da doença, mas ainda trazendo maior impacto na morbidade a longo prazo (com falha na prevenção de doenças negligenciadas) e, maior ainda, no custo-saúde do paciente e do sistema de saúde, como um todo. Com tantas informações na área de saúde, na era do Big Data e Inteligência Artificial (IA), é crucial o uso desses dispositivos para validar uma tomada de decisão clínica mais consistente, baseadas em dados, evidências e valores. Eric Topol, grande influenciador na área, pontua que o uso dessas ferramentas como meio irá contribuir nesses pontos incômodos. A interface médico-IA conseguirá reduzir as falhas, melhorar a qualidade de vida, personalizar tratamentos, predizer doenças, otimizar custos, racionalizar excessos, acentuar oportunidades, aperfeiçoar a conduta clínica e aumentar a relação humana dicotômica médico-paciente. O medo relacionado a se os computadores podem superar os humanos é ultrapassada, a questão é como a humanidade adotará esses recursos na prática médica. Os pacientes já estão engajados, algumas instituições de saúde e governamentais já estão fomentando e os profissionais de saúde devem aceitá-la para que a IA alcance a adoção na medicina. É necessário essa integração entre todos os stakeholders da saúde, do contrário ocorrerá uma multiplicação não sistemática e descontrolada de algoritmos de IA com um insignificante valor agregado, resultando em excesso de referência, diagnóstico e tratamento, bem como elevação dos custos e desconfiança.

O desenvolvimento de algoritmos de IA na medicina requer extração e integração de dados que exigem engenharia, ciência de dados, domínio clínico e padronização e curadoria de dados. Um desafio elementar para o desenvolvimento e a implementação de machine learning (ML) na área da saúde é o acesso a dados confiáveis ​​e bem organizados. Dados clínicos geralmente residem em diferentes sistemas, geralmente bloqueados em um formato proprietário, exigindo software caro adicional para extração. E depois que os dados são liberados de servidores proprietários, os padrões de dados de saúde e os modelos de dados comuns para fins de pesquisa estão longe do ideal, criando trabalho desnecessário para desbloquear o valor nos dados. Essa tarefa exige especialistas em domínio e pesquisadores que podem ter pouco interesse em fornecer essa importante tarefa de manutenção. Após estabelecer modelos confiáveis, a IA deverá abordar questões do mundo real, de ordem prática, pois uma IA mal projetada poderia piorar analogicamente a sobrecarga de informações e a fadiga cognitiva, como foi o caso da parceria entre a IBM Watson e a MD Anderson. Para alcançar a adoção, a IA precisará ser uma ajuda invisível, transparente e imparcial, ajudando pacientes e médicos a tomar melhores decisões de maneira mais eficiente e eficaz. É claro que os humanos podem confiar nas máquinas para decisões específicas, como nas viagens aéreas hoje. O software na aviação lutou com os pilotos e venceu — com resultados catastróficos. A construção da decisão clínica deve se apresentar de maneira híbrida, com médicos que já sabem o modus operandi diante desse cenário, tão bem quanto o que esperar do seu uso, assim revelando uma ferramenta de suporte clínico mais sofisticada. Trabalhando juntos, o método bayesiano do médico pode ser potencializado pela inteligência computacional, que filtram as exageradas informações geradas pelos pacientes.

A IA terá seu clímax na construção de soluções precisas, contextuais e otimamente completo de entendimento de saúde e doença. Olhando ainda mais profundamente o desenrolar desse processo, é sensível que será necessário o fornecimento de supervisão usando a inteligência humana em todas suas peculiaridades, inconsistências e potencial de déficits na consciência situacional e, dessa forma, poder atingir um patamar maior de integração, convergindo inteligências artificial e humana, seguindo outro processo, que podemos chamar de ponto de inflexão da IA na saúde, onde os benefícios serão exponenciais. A IA não produzirá aquele sistema médico perfeito que todos sonham, mas se houver essa integração e convergência de inteligências, cuidadosamente projetada e implementada, teremos mecanismos mais sensatos de produzir um sistema melhor.