Inteligência Artificial para Negócios - Como, com exemplos reais, inteligência artificial pode ajudar operadores de saúde a reduzir riscos e custos? - por Fabiano Castello
12 Junho, 2020
A digitalização é cada vez mais presente no mundo dos negócios e na sociedade. Mas não basta apenas ter os dados, é preciso fazer alguma coisa com eles. Inteligência artificial (IA) é uma ferramenta disruptiva (no sentido de permitir fazer coisas que antes não eram possíveis) que consegue transformar esses dados em algo útil, que pode transformar um negócio. As possibilidades são enormes em todos os segmentos de negócio, mas não há dúvida que a área de saúde é uma onde se apresentam mais oportunidades.
Recentemente tive a oportunidades de ler um artigo acadêmico interessante (Jiang, 2017) cujo foco é o uso de IA aplicado à área de saúde. Ainda que o objetivo do autor seja voltado especificamente para derrames, o artigo apresenta uma revisão interessante sobre como IA tem sido aplicada na área de saúde e, conforme a figura abaixo, quais são os principais tipos de dados que são utilizados:
"Computer Vision", ou a capacidade que a IA tem de trabalhar com dados não estruturados (no caso, imagens), é o tipo de IA mais utilizado para diagnósticos.
No Brasil, a NeuralMED é uma startup que atua na área de diagnóstico por imagem utilizando IA, sendo um de seus produtos a avaliação de achados clínicos a partir de imagens de raio-x de tórax. Em seu modelo de negócio, o produto é um serviço, ou seja, basta enviar a imagem para a NeuralMED e receber os achados clínicos da imagem enviada.
Do ponto de vista do risco dos pacientes, vamos assumir que no pronto-atendimento os médicos não são radiologistas e, muitas vezes, achados discretos podem passar despercebidos. Dessa forma, IA torna-se uma ferramenta importante para auxiliar o médico a formar opinião não apenas sobre o diagnóstico, mas também sobre a terapia a ser seguida. Do ponto de vista de custo, a empresa de saúde passa a ter acesso a tecnologia de ponta sem a necessidade de pesado investimento em montar times de cientistas de dados e de investir em infraestrutura de tecnologia de informação.
Outro exemplo na mesma área é um projeto que realizei recentemente numa operadora de saúde de grande porte, cujo objetivo foi criar um modelo preditivo de risco de morte no contexto da COVID-19. Com base no resultado de tomografia de tórax, e em diversas outras informações do paciente, é possível calcular a probabilidade de o paciente vir a óbito.
A imagem abaixo, um dos produtos do projeto, é parte da explicação do que é considerado para fazer o cálculo do risco de óbito, baseada na teoria dos valores de contribuições marginais de Shapley, prêmio Nobel em 2012. Ainda que o objetivo deste artigo não seja explicar o modelo em si, é importante destacar que são decisivos para calcular a probabilidade de risco de óbito haver ou não achados da radiologia.
"Probabilidade de vir a óbito", escrito desta forma, é literalmente um assunto mórbido ☺. Mas pensando do ponto de vista da operadora de saúde, ter uma ferramenta que utiliza inteligência artificial para prever o risco de um paciente morrer traz inúmeras vantagens, sendo a principal que, efetivamente, menos pacientes virão a óbito, especialmente nos casos em que casos onde clinicamente o paciente não está em estado aparente grave, mas que apresenta uma probabilidade de óbito mais alta, serão avaliados por uma junta médica onde o nível de escrutínio será maior, evitando uma situação onde o paciente poderia ser enviado para casa retornando ao pronto-atendimento numa situação mais grave no futuro próximo. Do ponto de vista de custo, evitar colocar um paciente com baixa probabilidade de óbito na UTI, de forma precoce, impactará de forma positiva o resultado financeiro da operadora, sem contar o desgaste emocional do próprio paciente e de seus familiares.
Resumindo, nos exemplos citados uma coisa é clara: a IA não substitui o médico e a necessidade da avaliação clínica como um todo, mas como ferramenta pode ser uma aliada fundamental para auxílio do corpo clínico, impactando de forma efetiva tanto a qualidade do diagnóstico como o caminho terapêutico a ser seguido. Definitivamente, é tema cada vez mais presente, não apenas nas unidades de saúde em si mas também nas áreas de gestão dessas unidades.
Referências:
Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology 2017;2: e000101. doi:10.1136/svn-2017-000101
* * *
