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