O debate sobre Inteligência Artificial (IA) e Machine Learning (ML) não é conversa fiada. A investigação em áreas de vanguarda, como ML, continua a demonstrar que os computadores têm o potencial de prever resultados e de melhorar o desempenho dos médicos num amplo leque de tarefas. Por exemplo, a Food and Drug Administration (FDA) dos EUA aprovou este ano o primeiro diagnóstico de IA – um exame de retinoterapia diabética – que fornece resultados sem necessidade de intervenção humana.

No entanto, isto é apenas o início. O setor da saúde está preparado para uma transformação dirigida pela IA e ML, alimentada por uma grande quantidade de fontes de dados – registos clínicos eletrónicos, sequências de ADN (genoma), dispositivos móveis, sensores integrados e até registos de faturação.

As soluções de IA e ML são já utilizadas por milhares de empresas com o objetivo de melhorar a experiência na área de saúde. Por exemplo, a Zocdoc utiliza a IA para algo que aparenta ser muito simples, mas que regularmente aborrece os pacientes. A empresa criou uma aplicação de cartões de seguro, que informa os pacientes se os médicos particulares aceitaram os seus planos de saúde.

Através da construção de um modelo de ML e treinando uma rede neural para a leitura de uma grande coleção de cartões de seguros, a Zocdoc criou um sistema que extrai dados relevantes e verifica com as seguradoras, em tempo real, se a visita de um paciente a um determinado prestador é abrangida pelo seguro.

Construir as bases para a IA e ML

Impulsionar soluções de IA e ML requer uma matéria-prima fundamental: dados. Os dados são o ingrediente essencial que as entidades de saúde precisam para aumentar a sua eficiência e melhorar os resultados e a qualidade de vida, tanto dos pacientes, como dos prestadores.

Embora as exigências do tratamento a pacientes e o desenvolvimento de novas terapias releguem a recolha e a análise de dados para segundo plano na área da saúde, as novas ferramentas permitem aos developers integrarem facilmente ML e outras capacidades no processo rotineiro de desenvolvimento e fornecimento de tratamentos. Longe de ser um domínio exclusivo de investigadores e empresas tecnológicas, a IA e ML estão agora acessíveis a todos.

À medida que estes casos de utilização se expandem, o sucesso está dependente de vários ingredientes. Requer grandes quantidades de dados cuidadosamente selecionados e de elevada qualidade, que podem ser difíceis de encontrar numa área como a da saúde, onde frequentemente os dados são complexos e não estruturados. Os conjuntos de dados de elevada qualidade são obrigatórios, não só para operar sistemas conduzidos pela IA e ML, mas, mais importante, para alimentar os modelos de treino nos quais são construídos.

Além disso, os sistemas precisam de ser otimizados para trabalhos de computação intensiva, típicos das aplicações de IA e atualizados consoante o avanço da tecnologia. Os recursos tecnológicos que cumprem os padrões e a regulação do setor são fundamentais para garantir a segurança e a privacidade do paciente e de outros dados confidenciais.

Mas, acima de tudo, são os dados que fazem ou “desfazem” um esforço de IA. Uma empresa que faz isto com êxito é a Flatiron Health. A empresa está a ligar dados clínicos a partir de 265 centros oncológicos, uma rede crescente de centros académicos e outras instituições de saúde que, em conjunto, documentam mais de dois milhões de casos de cancro.

Ao integrar estes dados em sistemas de IA, a Flatiron é capaz de otimizar cuidados, desenvolver novos planos de tratamento e descobrir potenciais novas terapias. A comprovar o quão valiosa é, a farmacêutica suíça Roche, investidora desde 2015, adquiriu em fevereiro a Flatiron por 1,9 mil milhões de dólares (cerca de 1,6 mil milhões de euros).

Potenciar a inovação

Outra tecnologia crucial para fornecer a capacidade de armazenamento, a flexibilidade, a segurança e a capacidade analítica necessárias para implementar a IA e o ML – e impulsionar inovações – é a cloud.  As plataformas de computação em nuvem facilitam a introdução e o processamento de dados, quer sejam estruturados, não estruturados ou de fluxo contínuo. Estas ferramentas simplificam o processo de criação, de treino e de implementação de modelos baseados em Machine Learning.

As instituições de saúde que consigam utilizar os dados para se tornarem a si e aos seus clientes mais eficientes e eficazes, vão ser mais bem-sucedidas nos próximos anos, especialmente se a mudança para a cobrança dos cuidados médicos pelo justo valor, consoante os rendimentos do paciente, ganhar impulso juntamente com a IA.

Por exemplo, a empresa holandesa de tecnologia Philips está a construir a HealthSuite, uma plataforma digital na cloud com mais de 21 petabytes de dados de 390 milhões de imagens médicas, registos médicos e contributos de pacientes. A HealthSuite fornece a médicos, clínicos, cientistas de dados e programadores de software o acesso a dados de qualidade e a ferramentas de IA, que podem ser utilizadas para melhorar os cuidados em tempo real.

Da mesma forma, a Orion Health aloja dados para 50 milhões de utilizadores na nuvem, permitindo que os seus clientes acedam a informações de pacientes, desde dados clínicos e genéticos, a dados de reclamações e reembolsos. As ferramentas associadas permitem que os médicos identifiquem estratégias personalizadas de tratamento e prevenção e otimizem a tomada de decisão clínica.

As empresas de saúde, desde conglomerados estabelecidos a startups, procuram cada vez mais a IA e ML para impulsionar a inovação e a transformação nas suas empresas e em todo o setor, com o objetivo de reduzir o tempo de descoberta e de conhecimento, ao mesmo tempo que melhoram as experiências dos pacientes.

À medida que a disponibilidade e o volume de fontes de dados continuam a crescer, os ingredientes essenciais para o sucesso da IA e do ML permanecem iguais: dados de elevada qualidade, sistemas otimizados, a cloud e serviços ML que tornem o Machine Learning acessível diariamente aos developers, eliminando o trabalho pesado de criação, treino e implementação de modelos. Logo que estes elementos fundamentais estejam estabelecidos, a IA e ML têm o potencial de fornecer cuidados mais eficientes e eficazes, melhorar a tomada de decisões e a capacidade de gerar mais valor para os pacientes e para os prestadores.