Está cada vez mais concreto como os sistemas de suporte à decisão clínica baseados em Inteligência Artificial (IA) podem mudar a maneira como os médicos diagnosticam e tratam pacientes, especialmente no campo das doenças raras. Aoanalisaros requisitos para um sistema de suporte à decisão clínica baseado em IA adequado para clínicos,por meio de um processo de design centrado no paciente, um estudo (DOI: 10.1186/s12911-023-02245-w) examina os procedimentos de diagnóstico existentes e determina o que esse “novo” sistema de suporte de decisão clínica (SSDC-IA) oferecerá do ponto de vista do paciente. Os resultados incluem um padrão de tarefas e necessidades específicas do usuário que permitirão aos clínicos melhorarem suas capacidades de diagnóstico.
A abordagem centrada no paciente enfatiza a importância de entender as necessidades e fluxos de trabalho dos médicos. A importância de uma abordagem centrada no paciente se deveao desenvolvimento do SSDC-IA para clínicos gerais. Essa abordagem envolve entender as necessidades e fluxos de trabalho desses médicos e usar essas informações para projetar um sistema que atenda aos seus requisitos. Os pesquisadores realizaram entrevistas e um workshop com os generalistas para obter informações sobre seus fluxos de trabalho atuais e identificar suas necessidades e requisitos para o novo sistema, em um modelo de análise de processo de design centrado no paciente. As descobertas da análise de requisitos foram usadas para projetar maquetes que foram discutidas com os pacientes e implementadas como um protótipo. O processo de design orientado para o pacientefoi utilizado para garantir que a ferramenta de diagnóstico atendesse às necessidades dos futuros usuários-pacientes, fosse amplamente aceita e apresentasse boa usabilidade.
A criação do modelo de tarefas levou ao desenvolvimento de um processo resumindo as tarefas e subtarefas para o novo sistema. Os pesquisadores usaram as informações coletadas nas entrevistas e no workshop com os médicos para desenvolver esse novo processo. Um modelo de tarefa é um resumo das tarefas e subtarefas que os usuários executarão com o suporte do sistema interativo novo ou revisado. Assim foi criadouma ferramenta importante para os pesquisadores entenderem as (sub)tarefas que o novo sistema precisava suportar
É destacado o potencial de aplicação do novo sistema no diagnóstico de doenças raras. Os pesquisadores observaram que as doenças raras costumam ser difíceis de diagnosticar e que há necessidade de melhores ferramentas de diagnóstico para ajudar os médicos a identificar essas condições. A European Commission – Research and Innovation (https://research-and-innovation.ec.europa.eu/research-area/health/rare-diseases_en) fornece informações sobre doenças raras e os desafios associados ao seu diagnóstico e outro estudo (https://doi.org/10.1186/s13023-016-0462-7) descreve o uso de sequenciamento massivamente paralelo em um serviço clínico estadual para diagnosticar doenças raras e não diagnosticadas.
Embora o estudo não forneça informações minuciosas e detalhadas sobre como o SSDC-IA pode ser usado para diagnosticar doenças raras, ele sugere que o sistema tem aplicações potenciais nessa área. Ainda considera algo (óbvio) na propedêutica médica, o foco na exclusão de diagnósticos. Considera a necessidade do médico classificar e excluir diagnósticos suspeitos. Uma citação de um dos médicos generalistas envolvidos no estudosugere que, na seção de resultados, eles gostariam de "desativar" todos os diagnósticos sugeridos que já foram descartados. Isso levaria para maior clareza e permitir que o médico se concentre nos diagnósticos restantes. O sistema pode aprender com esse processo. Existem diferentes maneiras pelas quais os resultados da pesquisa podem ser classificados, por exemplo, alfabeticamente, por data de inclusão na base de dados ou similar. A maneira mais sensata seria uma melhor correspondência com os parâmetros de pesquisa fornecidos, se possível com uma indicação de probabilidade, assim facilita o foco nos diagnósticos mais relevantes de todas as diferentes possibilidades.
Alguns insights da prática do mundo realcom base nas experiências na realidade dos médicos. Ele enfatiza que o desenvolvimento do SSDC-IA foi fundamentado nas experiências do mundo real de médicos atuantes na prática clínica. Os pesquisadores conduziram entrevistas com esse médicos para obter informações sobre como eles lidam atualmente com casos de pacientes com sintomas ambíguos de origem desconhecida. O roteiro de entrevista foi elaborado por uma equipe de pesquisadores das áreas de sociologia, medicina, ciências médicas e informática médica e foi apresentado em um grupo de pesquisa interdisciplinar para métodos qualitativos do Frankfurt Institute of General Practice. O guia também foi testado em três entrevistas pré-teste antes de ser finalizado. Os insights obtidos com essas entrevistas foram usados para informar o desenvolvimento do novo processo, garantindo que o sistema fosse relevante e útil para os médicos.
Desse modo, a proposta é melhorar a tomada de decisão clínica para médicos de clínica geral, fornecendo-lhes suporte à decisão em tempo real com base nas evidências médicas mais recentes e nos dados do paciente. O sistema é projetado para ajudá-los a fazer diagnósticos mais precisos, reduzir erros de diagnóstico e melhorar os resultados dos pacientes. O SSDC-IA oferece vários benefícios em relação aos métodos tradicionais, incluindo a capacidade de processar grandes quantidades de dados rapidamente, identificar padrões e tendências que podem não ser aparentes para os médicos humanos e fornecer recomendações personalizadas com base nos dados individuais do paciente. Também foi projetado para ser amigável e fácil de usar, o que pode ajudar a reduzir a carga cognitiva dos clínicos e melhorar sua eficiência geral. Tem o potencial de transformar a atenção primária ao fornecer aos médicos uma ferramenta poderosa que pode ajudá-los a tomar decisões mais informadas e melhorar os resultados dos pacientes.
Existem vários desafios e limitações potenciais para a implementação de um sistema de suporte à decisão clínica baseado em IA na prática de um clínico geral. Isso inclui integração deficiente do fluxo de trabalho, falta de aceitação ou confiança, usabilidade insatisfatória e preocupações com a transparência e responsabilidade do sistema. Além disso, alguns GPs podem ser resistentes ao uso de ferramentas baseadas em IA, temendo que possam substituir médicos humanos ou reduzir sua autonomia. Para enfrentar esses desafios, um processo de design centrado no usuário deve ser usado para desenvolver novos sistemas mais inteligentes, que envolve a realização de entrevistas e workshops com usuários finais para identificar suas necessidades e requisitos. Também deve ser concebido para ser transparente e responsável, com explicações claras sobre como funciona e como chegou às suas recomendações, o que não é tão explicado no artigo. O sistema também deve ser projetado para ser amigável e fácil de usar, com uma interface simples e intuitiva que minimize a carga cognitiva dos usuários. Para abordar as preocupações sobre o potencial da IA para substituir os médicos humanos o sistema deve ser projetado para aumentar, em vez de substituir, a tomada de decisão humana, haja visto múltiplas camadas de decisão baseadas no ser humano incapazes de uma IA decidir. Ademais, a decisão final deve sempre ser tomada pelo médico clínico. Finalmente, os sistema deve ser avaliado rigorosamente para garantir que seja eficaz, seguro e aceitável para os usuários finais.
Este artigo oferece informações valiosas sobre o design e os requisitos de um sistema de suporte à decisão clínica baseado em IA para clínicos gerais. Ele fornece uma compreensão abrangente dos fluxos de trabalho de diagnóstico atuais e das possíveis melhorias que podem ser feitas por meio da tecnologia.
Artigo baseado em: Schütze, D., Holtz, S., Neff, M.C. et al. Requirements analysis for an AI-based clinical decision support system for general practitioners: a user-centered design process. BMC Med Inform Decis Mak 23, 144 (2023). DOI: 10.1186/s12911-023-02245-w
