Um médico entra pela porta do leito e encontra o paciente suando, com sérios problemas infecciosos num pós-cirúrgico, ele vai investigar e descobre que houve uma falha técnica durante o ato operatório.
Noticiários vez ou outra divulgam manchetes como essas.
Isso é normal, pois como aquela frase diz: errar é humano
Com base nisso, os pesquisadores decidiram discutir erros médicos e compará-los com a assertividade de uma máquina em fazer diagnósticos.
O estudo
Há um tempo vem se falando que as máquinas podem auxiliar a fazer diagnósticos corretos quando os profissionais humanos não estão em boas condições ou se equivocam numa tomada de decisão. Para resolver essa dor, a tecnologia da informação, ciência da computação e algoritmos podem auxiliar.
Um estudo de 2016 liberado no JAMA Internal Medicine, buscou comparar a precisão de médicos com algoritmos chamados "checadores de sintomas", estes tratam-se de sites e apps que auxiliam o paciente no autodiagnóstico.
Como o estudo foi realizado?
Por meio do uso do aplicativo HumamDx, utilizado por médicos para criar diagnósticos diferenciais para histórias clínicas.
Os pesquisadores utilizaram 45 casos clínicos, previamente desenvolvidos para uma avaliação dos checadores de sintomas on-line. Os casos foram distribuídos entre dezembro de 2015 até maio de 2016 na plataforma dentro do campo de medicina interna, medicina de família e comunidade e pediatria sem informar que tratavam-se de casos partes de uma pesquisa.
Como eram os casos?
Existiram 15 casos de alta acuidade, 15 de média e 15 de baixa, 26 casos comuns e 19 casos de condições incomuns.
Cada um dos casos foi resolvido antes por ao menos 20 médicos.
Os médicos que resolviam os casos eram 2, e havia um terceiro em caso de discordância. O objetivo deles era analisar se o computador fazia uma análise correta do caso, listando o diagnóstico principal como primeiro, ou pelo menos entre os 3 primeiros diagnósticos mais prováveis.
O que o estudo concluiu?
Dos 234 médicos que resolveram ao menos 1 caso, 211 foram treinados na medicina interna e 121 eram fellows ou residentes.
Os médicos listaram o diagnóstico correto por primeiro por mais vezes ao longo de todos os casos clínicos comparados à máquina (72 vs 34), assim como no top 3 diagnósticos (84.3% vs 51.2%).
Os médicos conseguiram listar o diagnóstico mais correto primeiro para as histórias de alta acuidade e para as mais incomuns, enquanto que o aplicativo foi mais exato em listar o diagnóstico correto para as histórias de baixa acuidade e para histórias comuns.
O que se tira de conclusão disso?
Os humanos foram melhores em dar o diagnóstico correto, no entanto, em alguns casos, eles erraram em 15% dos casos, o que vai de encontro à média de erros diagnósticos que fica em torno de 10 a 15%.
Isso mostra que nem o médico, nem a máquina ainda é perfeita, no entanto, muito se pode tirar da combinação e do trabalho conjunto entre a interface homem-máquina.
O que você achou, você já utilizou a tecnologia para auxílio na tomada de decisão?
Artigos relacionados:
Inteligência artificial mudando paradigmas na oftalmologia
Inteligência artificial em cirurgia - o passado, presente e futuro
Escrito por Yan Kubiak Canquerino - Colaborador da Academia Médica
Referências
Comparison of Physician and Computer Diagnostic Accuracy | Electronic Health Records | JAMA Internal Medicine | JAMA Network. Acesso em 24/07/2021.