A integração de ferramentas de inteligência artificial generativa (genAI), como o ChatGPT, no cenário da saúde tem despertado grande interesse e debate entre os profissionais da área. A genAI apresenta a promissora perspectiva de melhorar a eficiência, equidade e experiência do paciente em um setor marcado por ineficiências significativas. No entanto, é crucial equilibrar esse entusiasmo com uma dose saudável de ceticismo.
O conceito do "paradoxo da produtividade da tecnologia da informação", descrito pela primeira vez em 1993, é particularmente relevante neste contexto. Esse paradoxo destaca um tema recorrente em vários campos: tecnologias promissoras inicialmente não cumprem a promessa de melhorar a produtividade. A recente transformação digital na saúde, principalmente por meio dos registros eletrônicos de saúde (EHRs), segue de perto esse modelo.
No entanto, a genAI na saúde pode seguir um caminho diferente. Ao contrário de tecnologias anteriores, a genAI se caracteriza pela facilidade de uso e melhorias iterativas rápidas. Seu potencial em transformar a saúde não reside apenas no avanço tecnológico, mas na remodelação dos processos, estruturas e cultura dentro das organizações de saúde. As lições da história de avanços tecnológicos, como o motor elétrico, enfatizam a importância de repensar o trabalho para aproveitar verdadeiramente o potencial de novas tecnologias.
No entanto, a implementação digital na saúde enfrenta desafios únicos. A natureza altamente regulamentada da saúde, a complexidade dos dados de saúde e a natureza dinâmica do conhecimento médico são alguns dos obstáculos que a genAI deve superar. Além disso, os altos riscos envolvidos na saúde, onde os erros podem ter consequências graves, adicionam outra camada de complexidade.
Apesar desses desafios, há otimismo. Ferramentas de genAI, como o ChatGPT, demonstraram uma capacidade notável de se adaptar e melhorar, sugerindo que elas podem superar o paradoxo da produtividade mais rapidamente do que as tecnologias anteriores. A capacidade do sistema de saúde de reinventar o trabalho, informada por experiências passadas e transformações digitais em andamento, também contribui para esse otimismo.
As organizações de saúde estão cada vez mais preparadas para implementar mudanças nos sistemas, na gestão da mudança e na importância do treinamento e da cultura da força de trabalho. Além disso, as mudanças no mercado da saúde provavelmente irão acelerar o investimento e a implementação da genAI. Os ganhos iniciais da genAI no sistema de saúde virão não tanto de tarefas voltadas para o paciente, mas em áreas de desperdício e atrito administrativo.
Apesar de a genAI na medicina enfrentar o paradoxo da produtividade como as tecnologias anteriores, tanto dentro quanto fora da saúde, há motivos para otimismo. Acredita-se que a genAI proporcionará melhorias significativas na saúde mais rapidamente do que foi o caso com tecnologias anteriores, transformando potencialmente a saúde em um período de 5 a 10 anos.
No entanto, isso não acontecerá automaticamente. Desenvolvedores de genAI, reguladores e líderes de saúde precisarão trabalhar juntos para maximizar os benefícios e mitigar os problemas conhecidos da genAI e quaisquer consequências imprevistas que surgirem. Com o papel fundamental do sistema de saúde na saúde humana e na economia, os desafios são grandes, mas as recompensas potenciais são enormes.🚀
Estar atualizado sobre as últimas descobertas e inovações nas ciências médicas faz sentido pra você? Se sim, inscreva-se em nossa newsletter e receba nossos conteúdos diretamente em sua caixa de e-mail!
Leia também:
- "Chernobyl e Saúde Suplementar": Reflexão sobre negação e repetição de erros
- Accenture e Oncoclínicas: Negociação estratégica no setor de saúde
- Como a parceria AstraZeneca-Absci visa revolucionar tratamento do câncer com IA?
- Diagnóstico Médico: As inovações tecnológicas estão redefinindo a prática clínica?
Referência:
Wachter RM, Brynjolfsson E. Will Generative Artificial Intelligence Deliver on Its Promise in Health Care? JAMA. Published online November 30, 2023. doi:10.1001/jama.2023.25054