Frontiers in Medicine

Introdução

A expressão “Tecnologia Médica” é amplamente utilizada para abordar uma série de ferramentas que podem permitir aos profissionais de saúde proporcionar aos pacientes e à sociedade uma melhor qualidade de vida, realizando diagnósticos precoces, reduzindo complicações, otimizando o tratamento e/ou oferecendo opções menos invasivas, e reduzindo a duração da hospitalização. Enquanto, antes da era móvel, as tecnologias médicas eram conhecidas principalmente como dispositivos médicos clássicos (por exemplo, próteses, stents, implantes), o surgimento de smartphones, wearables, sensores e sistemas de comunicação revolucionou a medicina com a capacidade de conter ferramentas alimentadas por inteligência artificial (IA) (como aplicações) em tamanhos muito pequenos (1). A IA revolucionou as tecnologias médicas e pode ser comumente entendida como a parte da ciência da computação que é capaz de lidar com problemas complexos com muitas aplicações em áreas com grande quantidade de dados, mas pouca teoria (2).

Intelligent medical technologies (i.e, AI-powered) têm sido acolhidas com entusiasmo pela população em geral, em parte porque permite um modelo 4P de medicina (Predictiva, Preventiva, Personalizada e Participativa) e, portanto, a autonomia do paciente, de formas que não poderiam ser possíveis (3); os smartphones estão se tornando, por exemplo, o item de preenchimento e distribuição de um registro de saúde pessoal eletrônico (4), monitorar funções vitais com biossensores (5) e ajudar a alcançar a adesão terapêutica ideal (6), portanto, dotando o paciente com o ponto como o principal ator no caminho dos cuidados. O desenvolvimento de tecnologias médicas inteligentes está permitindo o desenvolvimento de um novo campo na medicina: a medicina aumentada, ou seja, o uso de novas tecnologias médicas para melhorar diferentes aspectos da prática clínica. Vários algoritmos baseados em IA foram aprovados na última década pela Food and Drug Administration (FDA) e poderiam, portanto, ser implementados. A medicina aumentada não é permitida apenas pelas tecnologias baseadas na IA, mas também por várias outras ferramentas digitais, tais como sistemas de navegação cirúrgica para cirurgia assistida por computador (7), ferramentas contínuas de realidade virtual para cirurgia, gerenciamento da dor e distúrbios psiquiátricos (8-10).

Embora o campo da medicina aumentada pareça encontrar sucesso com os pacientes, ele pode ser enfrentado com certa resistência por profissionais de saúde, em particular médicos: em relação a esse fenômeno, quatro razões amplamente discutidas devem ser fornecidas. Primeiro, o despreparo quanto ao potencial da medicina digital deve-se à evidente falta de educação básica e continuada em relação a esta disciplina (11). Em segundo lugar, a digitalização precoce dos processos de saúde, muito diferente da promessa de medicina aumentada, veio com um aumento acentuado da carga administrativa ligada principalmente aos registros eletrônicos de saúde (12), que passou a ser conhecido como um dos principais componentes do burnout médico (13). Terceiro, há um medo crescente quanto ao risco da IA substituir os médicos (14), embora a opinião atual e dominante na literatura seja que a IA irá complementar a inteligência médica no futuro (15, 16). Quarto, a atual falta mundial de uma estrutura legal que defina o conceito de responsabilidade no caso de adoção ou rejeição de recomendações de algoritmos deixa o médico exposto a potenciais resultados legais ao usar a IA (17).

Como resultado da falta de educação em medicina digital, várias escolas médicas privadas estão preparando seus futuros líderes médicos para o desafio da medicina aumentada, associando o currículo médico ao currículo de engenharia ou implementando a alfabetização em saúde digital e o uso em um currículo atualizado (18).

O objetivo deste trabalho é resumir os desenvolvimentos recentes da IA em medicina, fornecer os principais casos de uso – onde as tecnologias médicas alimentadas pela IA já podem ser usadas na prática clínica, e perspectivas sobre os desafios e riscos que profissionais e instituições de saúde enfrentam ao implementar a medicina aumentada, tanto na prática clínica quanto na educação de futuros líderes médicos.

Aplicações atuais de Inteligência Artificial em Medicina

2.1. Cardiologia

2.1.1. Fibrilação Atrial

A detecção precoce da fibrilação atrial foi uma das primeiras aplicações da IA em medicina. A AliveCor recebeu aprovação da FDA em 2014 para sua aplicação móvel Kardia, permitindo um ECG baseado em smartphone- monitoração e detecção de fibrilação atrial. O recente estudo REHEARSE-AF (19) mostrou que a monitorização remota de ECG com Kardia em pacientes ambulatoriais tem mais probabilidade de identificar fibrilação atrial do que os cuidados de rotina. A Apple também obteve a aprovação do FDA para seu Apple Watch 4 que permite a fácil aquisição de ECG e detecção de fibrilação atrial que pode ser compartilhada com o médico de sua escolha através de um smartphone (20). Várias críticas às tecnologias de ECG vestível e portátil foram abordadas (21), destacando limitações ao seu uso, como a taxa de falsos positivos originados de artefatos de movimento, e barreiras na adoção de tecnologia vestível em pacientes idosos que têm maior probabilidade de sofrer de fibrilação atrial.

2.1.2. Risco Cardiovascular

Aplicado aos registros eletrônicos de pacientes, a IA tem sido usada para prever o risco de doença cardiovascular, por exemplo, síndrome coronariana aguda (22) e insuficiência cardíaca (23) melhor que as escalas tradicionais. Recentes revisões abrangentes (24) relataram, entretanto, como os resultados podem variar dependendo do tamanho da amostra utilizada no relatório da pesquisa.

2,2. Medicina Pulmonar

A interpretação dos testes de função pulmonar tem sido relatada como um campo promissor para o desenvolvimento de aplicações da IA em medicina pulmonar. Um estudo recente (25) relatou como um software baseado em IA fornece uma interpretação mais precisa e serve como uma ferramenta de apoio à decisão no caso sobre a interpretação de resultados de testes de função pulmonar. O estudo recebeu várias críticas, uma das quais (26) relatou como a taxa de diagnóstico preciso nos pneumologistas participantes do estudo foi consideravelmente menor que a média do país.

2,3. Endocrinologia

Monitoramento contínuo da glicose permite que pacientes com diabetes visualizem leituras intersticiais de glicose em tempo real e fornece informações sobre a direção e a taxa de mudança dos níveis de glicose no sangue (27) A Medtronic recebeu aprovação da FDA para seu sistema Guardian para monitoração da glicose, que é o smartphone-paired (28). Em 2018, a empresa fez uma parceria com a Watson (IA desenvolvida pela IBM) para o seu sistema Sugar.IQ para ajudar os seus clientes a melhor prevenir episódios de hipoglicemia com base em medições repetidas. A monitorização contínua da glicemia pode permitir aos pacientes optimizar o controlo da glicemia e reduzir o estigma associado aos episódios de hipoglicemia; no entanto, um estudo centrado na experiência do paciente com a monitorização da glicemia relatou que os participantes, embora expressando confiança nas notificações, também declararam sentimentos de falha pessoal na regulação do nível de glicose (27).

2,4. Nefrologia

A inteligência artificial tem sido aplicada em diversos ambientes da nefrologia clínica. Por exemplo, tem se mostrado útil para a previsão do declínio da taxa de filtração glomerular em pacientes com doença renal policística (29), e para estabelecer o risco de nefropatia progressiva por IgA (30). Entretanto, uma revisão recente relatou como neste momento a pesquisa está limitada pelo tamanho da amostra necessária para a inferência (31).

2,5. Gastroenterologia

A especialidade de gastroenterologia se beneficia de uma ampla gama de aplicações de IA em ambientes clínicos. Os gastroenterologistas fizeram uso de redes neurais convolucionais entre outros modelos de aprendizagem profunda para processar imagens de endoscopia e ultra-som (32) e detectar estruturas anormais como pólipos colônicos (33). As redes neurais artificiais também têm sido usadas para diagnosticar doença de refluxo gastroesofágico (34) e gastrite atrófica (35), bem como para prever resultados em sangramento gastrointestinal (36), sobrevivência de câncer esofágico (37), doença inflamatória intestinal (38) e metástase em câncer colorretal (39) e carcinoma escamoso esofágico (40).

2,6. Neurologia

2.6.1. Epilepsia

Os dispositivos inteligentes de detecção de convulsões são tecnologias promissoras que têm o potencial de melhorar a gestão de convulsões através de monitorização permanente em ambulatório. A Empatica recebeu aprovação do FDA em 2018 para seu Embrace wearable, que associado a captores eletrodérmicos pode detectar crises de epilepsia generalizada e reportar a um aplicativo móvel capaz de alertar parentes próximos e médico de confiança com informações complementares sobre a localização do paciente (41). Um relatório focado na experiência do paciente, revelou que, ao contrário do que ocorre na monitoração cardíaca, os pacientes que sofrem de epilepsia não tinham barreiras na adoção de dispositivos de detecção de convulsões, e relataram alto interesse no uso de dispositivos que podem ser usados (42).

2.6.2. Avaliação da marcha, postura e tremor

Sensores usáveis têm se mostrado úteis para avaliar quantitativamente a marcha, postura e tremor em pacientes com esclerose múltipla, doença de Parkinson, Parkinson e doença de Huntington (43).

2.7. Diagnóstico Computacional do Câncer em Histopatologia

Paige.ai recebeu do FDA o status de descoberta de um algoritmo baseado em IA capaz de diagnosticar o câncer em histopatologia computacional com grande precisão, permitindo ao patologista ganhar tempo para focar em slides importantes (44).

2.8. Medical Imaging and Validation of AI-Based Technologies

Uma meta-análise há muito esperada comparou o desempenho de softwares de aprendizado profundo e radiologistas no campo do diagnóstico por imagem (45): embora o aprendizado profundo pareça ser tão eficiente quanto o radiologista para o diagnóstico, os autores apontaram que 99% dos estudos não tiveram um desenho confiável; além disso, apenas um milésimo dos trabalhos que foram revisados validaram seus resultados por meio de algoritmos de diagnóstico por imagem médica provenientes de outras populações de origem. Esses achados suportam a necessidade de uma extensa validação de tecnologias baseadas em IA através de ensaios clínicos rigorosos (5).

Discussão: Desafios e Direções Futuras da Inteligência Artificial em Medicina

3.1. Validação de Tecnologias Baseadas na IA: Rumo a uma Crise de Replicação?

Um dos principais desafios da aplicação da IA em medicina nos próximos anos será a validação clínica dos conceitos e ferramentas fundamentais recentemente desenvolvidos. Embora muitos estudos já tenham introduzido a utilidade da IA com claras oportunidades baseadas em resultados promissores, várias limitações bem reconhecidas e frequentemente relatadas dos estudos de IA são susceptíveis de complicar tal validação. Abordaremos aqui três dessas limitações, assim como forneceremos maneiras possíveis de superá-las.

Primeiro, a maioria dos estudos comparando a eficiência da IA vs. clínicos são considerados como tendo projeto não confiável e conhecidos por não terem replicação primária, ou seja, a validação dos algoritmos desenvolvidos em amostras provenientes de outras fontes que não a usada para treinar algoritmos (45). Esta dificuldade poderia ser superada na era da ciência aberta, pois os dados abertos e os métodos abertos são obrigados a receber cada vez mais atenção como melhores práticas na pesquisa. Entretanto, a transição para a ciência aberta poderia ser difícil para empresas de IA médica que desenvolvem software como um negócio principal.

Segundo, estudos relatando aplicação de IA na prática clínica são conhecidos por serem limitados devido a desenhos retrospectivos e tamanhos de amostras; tais desenhos potencialmente incluem seleção e viés de espectro, ou seja, modelos são desenvolvidos para se ajustar de forma ideal a um dado conjunto de dados (esse fenômeno também é conhecido como superajuste), mas não replicam os mesmos resultados em outros conjuntos de dados (32). A reavaliação e calibração contínuas após a adoção de algoritmos suspeitos de sobreajuste devem ser necessárias para adaptar o software à flutuação da demografia do paciente (46). Além disso, há um consenso crescente a partir da necessidade de desenvolvimento de algoritmos projetados para se adequar a comunidades maiores, levando em conta subgrupos (47).

Terceiro, apenas poucos estudos são conhecidos para comparar IA e clínicos com base nos mesmos conjuntos de dados; mesmo nesse cenário, críticas têm sido feitas apontando para uma taxa de precisão diagnóstica menor do que a esperada em médicos da especialidade. (26). A oposição de IA e clínicos é, embora bem representada na literatura científica, provavelmente não é a melhor maneira de abordar a questão do desempenho na especialidade médica: vários estudos estão agora abordando a interação entre clínicos e algoritmos (47), uma vez que a combinação de inteligência humana e artificial supera ou sozinha.

3,2. Implicações Éticas da Monitorização Contínua

A tecnologia médica é um dos mercados mais promissores do século XXI, com um valor de mercado estimado aproximando-se rapidamente dos mil biliões de dólares em 2019. Uma porcentagem crescente da receita é devida ao varejo de dispositivos médicos (como aparelhos de monitoração cardíaca) para uma população mais jovem, que não é o principal perfil de consumidor alvo (porque problemas de saúde como fibrilação atrial são menos prováveis de aparecer). Devido a esse fenômeno, a Internet das Coisas (IoT) está redefinindo o conceito de indivíduo saudável como uma combinação do self quantificado (indicadores pessoais codificados no smartphone ou wearable) e uma série de parâmetros de estilo de vida wearable-provided (monitoramento de atividades, controle de peso, etc.).

Outras vezes, nos últimos anos várias empresas wearable têm concluído acordos importantes com companhias de seguros ou governos para organizar uma distribuição em larga escala desses produtos: esse tipo de iniciativas são principalmente destinadas a induzir mudanças de estilo de vida em grandes populações. Enquanto os países ocidentais continuam a evoluir para sistemas de saúde centrados na responsabilidade individual do paciente em relação à sua própria saúde e bem-estar, as implicações éticas do monitoramento médico contínuo com dispositivos médicos através da Internet das coisas são frequentemente discutidas. Por exemplo, o monitoramento contínuo e as violações de privacidade têm o potencial de aumentar o estigma em torno de cidadãos cronicamente doentes ou mais desfavorecidos (48) e possivelmente penalizar os cidadãos que não são capazes de adotar novos padrões de estilo de vida saudável, por exemplo, reduzindo o acesso a seguros e cuidados de saúde; pouco ou nenhum debate tem sido focado sobre essas potenciais e cruciais armadilhas na elaboração de políticas de saúde.

Neste quadro tecno-político, a questão da proteção e propriedade de dados torna-se cada vez mais crucial, embora com mais de duas décadas (49). Várias atitudes em relação à propriedade dos dados são descritas na literatura: embora alguns trabalhos defendam a propriedade comum dos dados dos pacientes para lucrar com abordagens médicas personalizadas (50, 51), o consenso está mudando para a propriedade dos pacientes, pois tem efeitos positivos no envolvimento dos pacientes, bem como pode melhorar o compartilhamento de informações se for desenvolvido um acordo de uso de dados entre o paciente e os profissionais de saúde (52).

3,3. A Necessidade de Educar Médicos Aumentados

As universidades universais começaram a criar um novo currículo médico, incluindo um doutor-engenharia (18), para responder à necessidade de educar futuros líderes médicos para os desafios da inteligência artificial na medicina (53). Tais currículos vêem uma abordagem mais forte para as ciências duras (como física e matemática), e a adição de ciências computacionais, codificação, algoritmos e engenharia mecatrônica. Esses “médicos aumentados” contariam tanto com uma experiência clínica quanto com conhecimentos digitais para resolver problemas de saúde modernos, participar na definição de estratégias digitais para instituições de saúde, gerenciar a transição digital, educar pacientes e pares.

Associedade, assim como as instituições de saúde, poderiam se beneficiar desses profissionais como uma rede de segurança para qualquer processo, incluindo a IA na medicina, mas também como um impulso de inovação e pesquisa. Além da educação médica básica, há uma necessidade de implementação de programas educacionais contínuos em relação à medicina digital e visando médicos graduados, de modo a permitir a reciclagem neste campo crescente. Na maioria dos hospitais de ponta ao redor do mundo, tais especialistas estão encarregados da missão do Chief Medical Information Officer (CMIO).

3.4. A Promessa da Inteligência Clínica Ambiental: Evitando a Desumanização pela Tecnologia

Como relatado por vários estudos (12, 13), os registros eletrônicos de saúde podem ser uma importante carga administrativa e uma fonte de burnout, fenômeno cada vez mais presente nos médicos, tanto em treinamento como em treinamento. Embora soluções de inteligência artificial como o Processamento em Linguagem Natural estejam se tornando cada vez mais capazes de ajudar o médico a entregar prontuários médicos completos, outras soluções são necessárias para resolver a questão do crescente tempo alocado ao cuidado indireto do paciente.

A inteligência clínica ambiente (ACI) é entendida como um ambiente digital sensível, adaptável e responsivo ao redor do médico e do paciente (54) e capaz de, por exemplo, analisar a entrevista e preencher automaticamente os prontuários eletrônicos de saúde do paciente. Vários projetos estão em andamento para desenvolver uma ACI, que seria uma aplicação crucial da inteligência artificial na medicina e muito necessária para resolver problemas modernos com a força de trabalho do médico.

Uma das grandes barreiras para a adoção de tecnologias médicas inteligentes nos médicos é o medo de uma desumanização da medicina. Isso se deve principalmente à crescente carga administrativa (12) imposta aos médicos. No entanto, tecnologias modernas como a ACI e o processamento em Linguagem Natural são capazes de resolver a questão da carga administrativa e ajudarão os médicos a se concentrar mais no paciente.

3,5. Os médicos serão substituídos pela Inteligência Artificial?

Como recentemente discutido na literatura (15, 16) os médicos provavelmente não serão substituídos pela inteligência artificial: tecnologias médicas inteligentes existem como suporte ao médico, a fim de melhorar o gerenciamento do paciente. Como estudos recentes indicaram (45), no entanto, comparações freqüentemente ocorrem entre soluções de inteligência artificial e médicos, como se as duas contrapartes estivessem em competição. Estudos futuros devem focar a comparação entre médicos que utilizam soluções de inteligência artificial com médicos sem o auxílio de tais aplicações, e estender essas comparações a ensaios clínicos translacionais; somente então a inteligência artificial será aceita como complementar aos médicos. Os profissionais de saúde encontram-se hoje em dia numa posição privilegiada, para poderem acolher a evolução digital e serem os principais motores de mudança, embora seja necessária uma grande revisão da educação médica para proporcionar aos futuros líderes as competências para o fazer.

Conclusão

A implementação da inteligência artificial na prática clínica é uma área promissora de desenvolvimento, que evolui rapidamente em conjunto com os outros campos modernos da medicina de precisão, genómica e teleconsulta. Enquanto o progresso científico deve permanecer rigoroso e transparente no desenvolvimento de novas soluções para melhorar os cuidados de saúde modernos, as políticas de saúde devem agora estar focadas na abordagem das questões éticas e financeiras associadas a esta pedra angular da evolução da medicina.

Contribuições dos autores

Todos os autores listados fizeram uma contribuição substancial, direta e intelectual para o trabalho, e o aprovaram para publicação.

Conflito de interesse

Os autores declaram que a pesquisa foi realizada na ausência de qualquer relação comercial ou financeira que pudesse ser interpretada como um potencial conflito de interesse.