Acertando os livros: médicos de IA e os perigos cuidados médicos escalonados

23 de janeiro de 2021 0 29

Você aceitaria pagar “o remédio do ano passado com os preços do ano passado”?

A saúde é um direito humano, no entanto, ninguém disse que todas as coberturas são criadas da mesma forma. Inteligência artificial e sistemas de aprendizado de máquina já estão fazendo incursões impressionantes em uma infinidade de campos da medicina – desde o Watson: Hospital Edition da IBM e os registros médicos gerados por IA da Amazon até medicamentos formulados por máquina e diagnósticos habilitados para IA . Mas no trecho abaixo das Novas Leis da Robótica de Frank Pasquale , podemos ver como a promessa de diagnósticos médicos mais rápidos, baratos e eficientes gerados por sistemas de IA / ML também pode servir como uma faca de dois gumes, potencialmente cortando o acesso ao corte cuidados de alta qualidade fornecidos por médicos humanos.

Medical technology concept with 3d rendering robot hand or cyborg hand hold stethoscope

Poderíamos ter classificado um melanoma simplesmente como um tipo de câncer de pele. Mas isso está começando a parecer tão desatualizado quanto chamar pneumonia, bronquite e febre do feno de “tosse”. A medicina personalizada ajudará mais oncologistas a obter uma compreensão mais sofisticada de um determinado câncer como, digamos, uma dentre várias mutações. Se eles forem combinados, comparados e analisados ​​de maneira adequada, os registros digitalizados podem indicar qual combinação de quimioterapia, radioimunoterapia, cirurgia e radiação tem os melhores resultados para aquele subtipo específico de câncer. Essa é a aspiração central dos “sistemas de aprendizagem de saúde”, que são projetados para otimizar intervenções médicas comparando os resultados de variações naturais nos tratamentos.

Para aqueles que sonham com um “Super Watson” passando da conquista do Jeopardy para a administração de hospitais, cada um desses avanços pode parecer passos em direção a um livro de receitas implementado por máquina. E quem sabe o que está por vir daqui a cem anos? Em nossa vida, o que importa é como todos esses fluxos de dados são integrados, quanto esforço é colocado nesse objetivo, como os participantes são tratados e quem tem acesso aos resultados. Todas essas são perguntas difíceis, mas ninguém deve duvidar que fazer malabarismos com todos os dados exigirá intervenção humana habilidosa e cuidadosa – e bastante aconselhamento jurídico, dadas as regras complexas sobre privacidade em saúde e pesquisa em seres humanos.

Para se aprofundar um pouco mais na radiologia: a imagem do tecido corporal está avançando rapidamente. Vimos os avanços dos raios X e ultrassom à imagem nuclear e radiômica. Cientistas e engenheiros estão desenvolvendo cada vez mais maneiras de relatar o que está acontecendo dentro do corpo. Já existem pílulas ingeríveis; imagine versões muito menores e injetáveis ​​do mesmo. Os fluxos de dados resultantes são muito mais ricos do que os anteriores. Integrá-los em um julgamento sobre como ajustar ou mudar totalmente os padrões de tratamento exigirá um pensamento criativo e não sistematizável. Como o radiologista James Thrall argumentou,

Resultados mais ricos do laboratório, novas e melhores formas de imagem, análise genética e outras fontes precisarão ser integradas em uma imagem coerente do estado de doença de um paciente. Na cuidadosa distinção de Simon Head, otimizar as respostas médicas aos novos volumes e variedades de dados será uma questão de prática, não de um processo predeterminado. Os radiologistas diagnósticos e intervencionistas precisarão retomar os casos difíceis, não como simples exercícios de classificação.

Dados todos os fluxos de dados agora disponíveis, pode-se supor que uma política de saúde racional aprofundaria e expandiria a formação profissional dos radiologistas. Mas parece que o campo está se movendo em direção à comoditização nos EUA. Ironicamente, os próprios radiologistas têm uma grande responsabilidade aqui; para evitar turnos noturnos, eles começaram a contratar serviços remotos de “nighthawk” para revisar as imagens. Isso, por sua vez, levou a “dayhawking” e à pressão sobre os sistemas de saúde preocupados com os custos para encontrar a experiência radiológica mais barata disponível – mesmo se a prática médica ideal recomendasse consultas mais próximas entre radiologistas e outros membros da equipe de cuidados, tanto para clínicas propósitos de pesquisa. As políticas de reembolso do governo também não fizeram o suficiente para promover avanços na IA radiológica.

Muitos julgamentos precisam ser feitos por especialistas em imagens que encontram novos fluxos de dados. Atualmente, um seguro privado e social robusto cobre amplo acesso a radiologistas que podem tentar enfrentar esses desafios. Mas podemos imaginar um mundo no qual as pessoas são atraídas para planos de seguro mais baratos para obter “os remédios do ano passado pelos preços do ano passado”? Absolutamente. Assim como podemos imaginar que o segundo nível (ou terceiro, quarto ou quinto nível) do atendimento médico provavelmente será o primeiro a incluir diagnósticos puramente automatizados.

Aqueles no nível superior podem ficar felizes em ver o declínio resultante nos custos gerais de saúde; muitas vezes são eles que precisam pagar os impostos necessários para cobrir os não segurados. Mas nenhum paciente é uma ilha no sistema de aprendizagem de saúde. Assim como os modos cada vez mais baratos de produção de drogas deixaram os Estados Unidos com uma escassez persistente de injetáveis ​​estéreis, excluir uma parte substancial da população dos cuidados de alta tecnologia tornará mais difícil para aqueles com acesso a esses cuidados entender se vale a pena tentar . Um sistema de aprendizagem de saúde pode fazer descobertas extraordinárias, se um conjunto de dados abrangente puder alimentar pesquisas observacionais em inovações clínicas de última geração. Quanto menos pessoas tiverem acesso a essas inovações, menos oportunidades teremos de aprender como funcionam bem e como podem ser melhoradas. A hierarquização pode resolver a crise de custo da medicina no momento, mas atrasa os avanços médicos futuros para todos. Assim, há um caminho importante para os avanços na IA médica, enfatizando o melhor acesso para todos para melhorar a qualidade do atendimento, e um caminho mais baixo com redução de custos, que se concentra apenas em replicar o que temos. Médicos, gerentes de hospitais e investidores implementarão o caminho superior, o caminho inferior ou algum caminho intermediário. Suas decisões, por sua vez, são moldadas por uma mudança no panorama das leis e políticas de saúde. a estrada secundária ou algum caminho do meio. Suas decisões, por sua vez, são moldadas por uma mudança no panorama das leis e políticas de saúde. a estrada secundária ou algum caminho do meio. Suas decisões, por sua vez, são moldadas por uma mudança no panorama das leis e políticas de saúde.

Por exemplo, considere as tensões entre tradição e inovação na lei de imperícia. Quando algo dá errado, os médicos são julgados com base em um padrão de atendimento que em grande parte se refere ao que outros médicos estão fazendo no momento. As preocupações com a negligência, portanto, assustam alguns médicos ao conformismo e ao tradicionalismo. Por outro lado, a ameaça de litígio também pode acelerar a transição para práticas claramente melhores. Nenhum médico hoje poderia se safar simplesmente palpando um grande tumor para diagnosticar se é maligno ou benigno. Geralmente, as amostras devem ser coletadas, os patologistas consultados e a análise de tecidos por especialistas concluída. Se os métodos de diagnóstico de IA se tornarem suficientemente avançados, será uma má prática não usá-los também.

Por outro lado, a automação avançada pode nunca obter qualquer tração se terceiros pagadores, sejam governos ou seguradoras, se recusarem a pagar por ela. As seguradoras freqüentemente tentam limitar a gama de cuidados que seus planos cobrem. Grupos de direitos dos pacientes lutam por benefícios obrigatórios. Os cortadores de orçamento resistem e, quando têm sucesso, os sistemas de saúde podem não ter escolha a não ser rejeitar novas tecnologias caras.

Outros esquemas regulatórios também são importantes. Os conselhos médicos determinam o nível mínimo de prática aceitável para os médicos. Nos Estados Unidos, os Centros de Serviços Medicare e Medicaid ajudam a definir os termos da educação médica de graduação por meio de subsídios. Bem financiados, eles podem criar colaborações com bioengenheiros, cientistas da computação e estatísticos. Mal financiados, eles continuarão produzindo muitos médicos que ignoram o conhecimento estatístico necessário para fazer bem seus trabalhos atuais, que dirá avaliar criticamente novas tecnologias orientadas para IA.

A lei não é apenas mais um conjunto de obstáculos a serem superados antes que os engenheiros possam ser liberados para curar os males da humanidade. O principal motivo pelo qual o emprego na área de saúde realmente cresceu como um setor na última década são os mandatos legais que garantem o poder de compra garantido a amplas faixas da população, independentemente de seus salários ou riqueza. Na melhor das hipóteses, esses mandatos legais também orientam o desenvolvimento de um sistema de saúde em direção à inovação e melhoria contínuas.

Notícias tecnológicas Tecnologia