Estamos em um ponto de inflexão na tecnologia de saúde. Vastos recursos de dados foram desbloqueados através da transição para os prontuários eletrônicos, o atendimento baseado em valor está exigindo uma análise sofisticada dos resultados dos pacientes e o aprendizado de máquina, bem como a inteligência artificial (IA) evoluíram rapidamente. Todas as ferramentas estão prontas – e a parte difícil é a que vem a seguir.

Na minha carreira em saúde e oncologia, eu sou químico, farmacologista, empresário, analista, acadêmico, pesquisador, capitalista de risco e tecnólogo. Eu vi essa “parte difícil” de muitos ângulos. Mudanças não acontecem facilmente na área da saúde. Os sistemas de tomada de decisões em nosso setor hoje são ineficientes, cheios de falhas e preconceitos humanos. Isso é evidente na oncologia, área de foco da minha empresa e também na especialidade da minha brilhante esposa.

Percebi que o problema não é tecnologia, mas contexto. Precisamos compartilhar uma visão. Precisamos traduzir informações de um lado para o outro entre médicos, pesquisadores, pacientes e computadores para fazer perguntas melhores e encontrar respostas melhores. A maneira de unir os líderes de saúde em torno da IA é convidá-los para o ambiente contextual adequado das descobertas.

Como contextualizamos isso? No início deste ano, juntei-me ao novo grupo de trabalho de Inteligência Artificial / Aprendizado de Máquina em Assistência Médica da National Academy of Medicine. Juntamente com outros 35 líderes de saúde, estamos delineando a promessa, o desenvolvimento, a implantação e o uso de IA para formuladores de políticas, fornecedores, pagadores, farmacêuticos, empresas de tecnologia e pacientes. Cada parte do nosso sistema de saúde precisa de uma tradução melhor:

• Médicos: os médicos são comunicadores, contextualizando seus conhecimentos em decisões sobre cuidados e expectativas do paciente. A IA precisa entender e evoluir dentro dessa estrutura, usando a experiência de um médico para fazer perguntas informadas a partir de vastos conjuntos de dados. Não deve parar por aí: a IA deve apresentar recomendações estatísticas complexas aos médicos em um formato fácil de usar e fechar o ciclo de feedback com a análise do que funcionou. À medida que a assistência médica evolui, o valor da tradução médica se expande. Os médicos traduzirão conceitos cada vez mais complexos para os pacientes, além de traduzir como a especialidade médica é aplicada no aprendizado de máquina e como a prática da medicina se transforma com base em dados do mundo real.

Antes de continuarmos, precisamos saber: você já utiliza um software médico para realizar seus atendimentos? Convidamos você a conhecer o Ninsaúde Apolo, software online que pode ser utilizado em um tablet, smartphone ou da forma tradicional, em computadores. Saiba mais em nosso site apolo.app.

• Pacientes: O Dr. Google é quase sempre uma segunda opinião na sala de exames. Com o advento do aprendizado de máquina, a alfabetização de dados do paciente também deve ser um foco. Os pacientes devem e podem estar envolvidos nas decisões de cuidados: pesando os riscos, custo e desconforto com base em dados do mundo real sobre o que funciona em sua situação exata. É fundamental que os pacientes possam contextualizar com seus provedores o que realmente os importa.

• Pagadores: o paciente melhorou? O tratamento que aprovamos foi o mais econômico? Onde podemos reduzir o risco enquanto ainda inovamos? Os planos de saúde sabem que os custos crescentes dos cuidados de saúde atuais não são sustentáveis. Adicionar o contexto do pagador em torno das metas de reembolso na ciência pode ajudar a reduzir custos e melhorar os resultados. Os pagadores certamente poderiam fazer um trabalho melhor de traduzir por que tomam decisões sobre negações e custos, do que a explicação enigmática de cartas de benefícios ou recusas de autorização prévias enviadas hoje.

• Pesquisadores: como melhorar nosso processo de descoberta de medicamentos e ensaios clínicos é o assunto de um livro, não um ponto, mas é justo dizer que há vastas oportunidades para uma melhor tradução nos setores farmacêutico, de dispositivos e biotecnológico. Estou muito empolgado com a melhoria de como os pesquisadores selecionam com inteligência grupos de pacientes seguros para testes clínicos que reduzem eventos adversos e usam dados do mundo real para mostrar que uma pequena experiência de controle se traduz em segmentos de pacientes amplos e diversificados.

• Políticos: os reguladores desempenham um papel crucial na adaptação responsável da IA ​​ao ecossistema de saúde. Traduzem quando esses modelos constituem dispositivos médicos e quando devem ser reembolsáveis. Eles irão monitorar as questões relacionadas à segurança, responsabilidade e até mesmo o viés não intencional se os modelos forem construídos com base em dados tendenciosos. Como os médicos, os políticos são intérpretes cruciais e precisam traduzir as necessidades entre todas as partes do sistema de saúde de maneira eficaz.

• Tecnologia: Líderes de tecnologia compartilham o ônus da tradução aqui também. As tecnologias de saúde são geralmente desenvolvidas em um vácuo – longe de ouvir o que médicos, pacientes, pagadores e farmacêuticos realmente precisam. Os primeiros comentários em torno da IA ​​prometeram curas milagrosas e produziram poucos resultados. Para ser eficaz, a IA precisa ser cuidadosamente treinada para contextualizar os resultados em ações mais práticas do tipo “so-what”. É uma conversa e não é fácil.

Até que possamos responder com clareza e consistência “Esse paciente deve tomar este medicamento, e vai funcionar melhor do que outro, e vale a pena o preço?”, há mais contexto necessário para fazê-lo. Inteligência artificial é apenas uma ferramenta para nos ajudar a chegar lá. Ela só funcionará bem quando for muito bem treinada e entendida.

Fonte: Brigham Hyde para Forbes