Aplicações da Inteligência Artificial na Saúde
Autor: Flávio Luiz Seixas
Instituto de Computação
Universidade Federal Fluminense
Podemos definir a Inteligência Artificial (IA) na saúde como uma tecnologia emergente capaz de ajudar o profissional da saúde na tomada de decisão [1]. Quando integrada aos sistemas de Tecnologia de Informação, a IA pode ajudar na automatização de tarefas repetitivas, executando-as com maior rapidez e eficiência.
A IA é usada em muitas Instituições de Saúde para melhorar a precisão e a velocidade do diagnóstico de doenças, auxiliar no atendimento clínico, e definir uma melhor abordagem de tratamento para um paciente [2]. A IA também é usada nas pesquisas em saúde, e no desenvolvimento de medicamentos. Na gestão pública em saúde, a IA pode ser aplicada para ajudar a vigilância epidemiológica em resposta a surtos de casos de doenças, e na gestão dos dados da saúde [3].
A IA também pode ser usada para capacitar os cidadãos a um maior controle dos cuidados próprios de saúde e compreensão das suas necessidades em evolução [4]. Também pode oferecer maior acesso aos serviços de saúde a comunidades distantes dos centros urbanos, que tenham um acesso mais restrito a profissionais de saúde. Por exemplo, podem ser oferecidos chatbots e agentes conversacionais a essas comunidades, visando o esclarecimento de dúvidas relacionadas a assuntos de saúde [5].
Dentre as subáreas da IA, destaca-se o Aprendizado de Máquina (Machine Learning) e o Deep Learning [6]. No Aprendizado de Máquina se estuda algoritmos capazes de ajustar parâmetros com base em um conjunto de observações de entrada e saída. Esses parâmetros são utilizados em modelos aplicados em sistemas inteligentes, como modelos de regressão, árvores de decisão, vetores de suporte ou redes bayesianas. Os algoritmos de Deep Learning, subárea do Aprendizado de Máquina, estendem e melhoram a capacidade de aproximação dos subconjuntos de entrada e saída, mesmo em condições de complexidade e não linearidade [7]. O Deep Learning encontra aplicações em análise de sinais e imagens médicas [8], e no processamento em linguagem natural, utilizado por exemplo para descobrir conhecimento em anotações de texto livre ou semi-estruturado [9].
A Organização Mundial de Saúde (OMS) reconhece a IA como uma grande promessa para melhoria das práticas da saúde pública [10]. Contudo, alerta para as potenciais consequências negativas se os princípios éticos não forem respeitados por aqueles que financiam, regulam ou usam tecnologias de IA. O contexto e a diversidade dos ambientes socioeconômicos e de saúde devem sempre ser considerados na implantação de sistemas de IA. A OMS assim aponta seis princípios como base para a regulamentação e governança da IA na saúde [11]: (1) proteger a autonomia humana, (2) promover o bem-estar, a segurança humana e o interesse público, (3) garantir transparência, explicabilidade e inteligibilidade no uso da IA, (4) promover responsabilidade e prestação de contas, (5) garantir inclusão e equidade, e (6) promover uma IA responsiva e sustentável.
Desta forma, a IA para a saúde é um campo de pesquisa em rápida evolução, e muitas aplicações ainda não previstas poderão surgir com um investimento público e privado, estando cada mais presente no dia-a-dia dos profissionais da saúde.
Referências:
[1] F. Jiang et al., “Artificial intelligence in healthcare: past, present and future,” Stroke Vasc. Neurol., vol. 2, no. 4, 2017.
[2] J. Shen et al., “Artificial intelligence versus clinicians in disease diagnosis: systematic review,” JMIR Med. informatics, vol. 7, no. 3, p. e10010, 2019.
[3] L. J. Muhammad, E. A. Algehyne, S. S. Usman, A. Ahmad, C. Chakraborty, and I. A. Mohammed, “Supervised machine learning models for prediction of COVID-19 infection using epidemiology dataset,” SN Comput. Sci., vol. 2, no. 1, pp. 1–13, 2021.
[4] P. Dunn and E. Hazzard, “Technology approaches to digital health literacy,” Int. J. Cardiol., vol. 293, pp. 294–296, 2019.
[5] J. L. Z. Montenegro, C. A. da Costa, and R. da Rosa Righi, “Survey of conversational agents in health,” Expert Syst. Appl., vol. 129, pp. 56–67, 2019.
[6] T. Davenport and R. Kalakota, “The potential for artificial intelligence in healthcare,” Futur. Healthc. J., vol. 6, no. 2, p. 94, 2019.
[7] A. Esteva et al., “A guide to deep learning in healthcare,” Nat. Med., vol. 25, no. 1, pp. 24–29, 2019.
[8] D. Shen, G. Wu, and H.-I. Suk, “Deep learning in medical image analysis,” Annu. Rev. Biomed. Eng., vol. 19, pp. 221–248, 2017.
[9] S. Wu et al., “Deep learning in clinical natural language processing: a methodical review,” J. Am. Med. Informatics Assoc., vol. 27, no. 3, pp. 457–470, 2020.
[10] B. Zhang, M. Anderljung, L. Kahn, N. Dreksler, M. C. Horowitz, and A. Dafoe, “Ethics and governance of artificial intelligence: Evidence from a survey of machine learning researchers,” J. Artif. Intell. Res., vol. 71, pp. 591–666, 2021.
[11] W. H. Organization, “Ethics and governance of artificial intelligence for health: WHO guidance,” 2021.