[ editar artigo]

Por que a Inteligência Artificial irá extinguir a Radiologia e a Patologia

Por que a Inteligência Artificial irá extinguir a Radiologia e a Patologia

Não, você não está lendo errado. Antes que me julgue como alguém apocalíptico da medicina, leia o texto a seguir. Tenha a certeza de que tudo o que você lerá a seguir é embasado e de que não estamos falando de coisas qu irão acontecer em décadas. Estas situações irão ocorrer nos próximos anos. Bem vindo à era da Inteligência Artificial nas especialidades diagnósticas.

Durante a pesquisa da minha monografia de mestrado que tem o objetivo de elucidar a relação médico paciente em tempos de Doutor Google, pude observar um pouco sobre o que estamos vivendo na medicina. Com uma bisão ainda muito turva, pude também observar o que está para acontecer na nossa profissão. A saúde do ano 2020 será totalmente diferente (sim apenas 3 anos) e extinguira algumas práticas que já não mais farão sentido. Mas isso é para assunto para outro textão. Espero que tenham paciência.

Vamos ao diagnóstico por imagem e à patologia.

O texto a seguir foi baseado no artigo Why AI is about to make some of the highest-paid doctors obsolete, no artigo recém saído do NEJM "Predicting the Future — Big Data, Machine Learning, and Clinical Medicine" e respeita muito as visões dos médicos futuristas Berthalan Mésko e Eric Topol.

Imageologistas ganham (nos Estados Unidos) em média 395 mil dólares por ano. Patologistas, em torno de 260 mil. Num futuro breve, entretanto, estes números tenderão a zero. Culpe o Machine Learning e sua aplicabilidade nestas duas áreas da medicina que são altamente focadas em identificação de padrões, um trabalho reconhecidamente melhor feito por uma máquina do que por humanos.

A Inteligência artificial irá produzir grandes ganhadores e perdedores entre as especialidades méicas. As duas as quais atentamos o nosso foco, estarão entre as grandes perdedoras

Na visão dos pesquisadores da Harvard, o Machine Learning terá impacto desproporcional em três áreas da medicina:

  • O Machine Learning irá aumentar muito a capacidade de um profissional de saúde em estabelecer um prognóstico.
  • O ML irá dispensar muito do trabalho de patologistas e radiologistas
  • O ML irá melhorar muito a acurácia diagnóstica

Um dos motivos para a anunciada extinção destas duas áreas reside no fato de que ambas as especialidades pedem para que humanos ajam como máquinas, devido a identificação de padrões. Entretanto, alimentadas com dados suficientes, as máquinas terão a mesma ou melhor capacidade de diagnosticar que um médico com anos de experiência. Sem se cansar ou sem sofrer com o implacável tempo.

Um grande banco de dados de imagens, combinados com os avanços na avaliação cognitiva de imagens pela inteligência artificial, irá rapidamente levar a um aumento da performance, que irá ultrapassar a capacidade humana rapidamente. A radiologia já está no meio do caminho, pois hoje já existem algorítimos que revisam a primeira impressão do profissional.

Claro que podemos afirmar que o ML irá apenas aumentar a intuição humana. É claro que há algumas verdades nisso. O problema para os radiologistas e hepatologistas, entretanto, é a habilidade que máquinas possuem em comparar uma enorme quantidade de dados e descobrir coisas que até o momento eram extremamente difíceis (passíveis de serem descobertas apenas pelos ultra-especialistas).

Quando o meu título (radio ou pato) irá se tornar obsoleto?

A questão é quando. Quando a revolução do Machine Learning varrerão ambas as especialidades definitivamente para o lugar onde reside a Medicina Tropical ou a Tisiologia (não me entendam mal, mas estas foram especialidades historicamente possuiam muitos praticantes e hoje são muito poucos).

Em algumas indústrias e outras especialidades médicas o Machine Learning irá ainda demorar algumas décadas para chegar ao topo, mas para o diagnóstico por imagem e patologia, esse tempo pode ser medido em anos. Segundo o Dr. Bradley Erickson, da Mayo Clinic, " Os algorítimos de aprendizagem poderão fazer estudos básicos como os de Raio X e Mamografia em 5 anos, enquanto para estudos mais complexos, isso deve acontecer nos próximos 20 anos."

Enquanto a acurácia diagnóstica deve melhorar com o Machine Learning, alguns pesquisadores acreditam que isso deve demorar mais tempo do que o previsto. A "habilidade de gerar diagnósticos diferenciais, sugerir testes para melhoria do diagnóstico e reduzir a indicação desnecessária de testes", irá aparecer aos poucos, porque, em parte e para muitas condições, a padronização para se chegar a um diagnóstico ainda não está bem definida. Na patologia e na radiologia, entretanto, o diagnóstico tende a ser acertivo e binário.

Qualquer que seja o impacto sobre a medicina, entretanto, o impacto do Big Data e do Machine Learning sobre os pacientes tende a ser gigantesco. E se neste caminho os médicos forem ajudados a obter um diagnóstico melhor e mais rápido... então, será melhor tanto para médicos quanto para pacientes.

Siga as Tags FUTUROLOGIA, INOVAÇÃO e TECNOLOGIA para mais assuntos como este. Não deixe de enviar o seu comentário ou até um novo post para ajudar também a Expandir os Horizontes da Medicina

Academia Médica
David Buarque
David Buarque Seguir

Publicitário, com experiência em marketing digital, certificado em Inbound Marketing pela HubSpot. Como Customer Success, atuo com gestão de projetos e estratégias. Focado em mapeamento de processos, Automação de marketing, Planejamento e Análise de

Ler matéria completa
Indicados para você