Apesar das grandes vantagens do uso da inteligência artificial, é preciso ter cuidado com o uso dessas tecnologias, pois elas não substituem a avaliação profissional de um médico. Em entrevista ao Correio, Felippe Lazar, oncologista clínico e coordenador do comitê de tecnologia e inovação da Sociedade Brasileira de Oncologia Clínica (Sboc), fala sobre esse e outros tópicos.
Considerando a realidade brasileira atual, como a IA pode ajudar a reduzir diferenças no acesso a diagnóstico e tratamento de câncer ?
No sistema público de saúde, a alta demanda, aliada a uma oferta limitada de recursos, traz diversas oportunidades de otimização de processos com inteligência artificial, principalmente na área de diagnóstico de câncer. Por exemplo, há diversos algoritmos de IA focados em detectar câncer de pele ou de cavidade oral a partir de fotos simples de celular, que podem ser usados para triagem de pacientes. Outros exemplos são os algoritmos especializados em analisar imagens de patologia, uma demanda que tende a crescer com a projeção do aumento de câncer na população nos próximos 20 anos. Eles conseguem diagnosticar até alterações genéticas do câncer que hoje estão disponíveis apenas por meio de testes genéticos tumorais, de difícil acesso dentro do sistema público de saúde. A redução de diferenças de acesso ao diagnóstico levará, consequentemente, à redução de diferenças de acesso a tratamento.
Quais aplicações de IA, hoje, já têm impacto prático na oncologia?
A maior parte das aplicações de IA hoje em oncologia se encontra no âmbito de radiologia, radioterapia e anatomia patológica, especialidades que lidam diariamente com imagens e, portanto, utilizam-se de algoritmos de IA para triagem e otimização de fluxos e processos dessas imagens. Por exemplo, existem algoritmos de IA para auxílio no planejamento de tratamento da radioterapia durante a simulação, reduzindo o tempo e minimizando erros durante o processo. Quanto ao apoio à decisão clínica ou triagem, existem algoritmos em fase mais inicial, pré-implementação, e que, portanto, ainda não geram impacto direto no dia a dia.
Quais são os principais obstáculos para implementar soluções de IA de forma segura e eficiente?
É garantir segurança e equidade no cuidado do paciente após a sua implementação. Não adianta uma IA otimizar um processo dentro do ambiente oncológico se as suas taxas de erro não são suficientemente baixas ou se ela apresenta um viés de treinamento que prioriza um tipo específico de população em relação a outra. Por exemplo, em um algoritmo de IA que acerta 99% das vezes, mas o 1% das vezes que erra é sempre direcionado a um grupo específico de pessoas, apesar de uma alta taxa de acertos, o seu uso pode levar a uma acentuação da inequidade do cuidado. Por isso é fundamental a validação desses algoritmos em cenários controlados antes da sua implementação na rotina clínica.
Compartilhe algo que considera relevante sobre o tema.
A discussão sobre IA, muitas vezes, fica concentrada na aplicação de IA em ambientes complexos, como diagnóstico, decisão clínica ou tratamento. Entretanto, a IA tem o potencial de democratizar o acesso à informação para a população por meios até mais simples, como a tradução de dados em inglês. A plataforma de pesquisa clínica da SBOC utiliza IA generativa para sumarizar e traduzir dados de estudos clínicos de novos medicamentos em inglês, posteriormente validados, gerando, em tempo real, informação sobre estudos disponíveis em oncologia no Brasil. Outras aplicações interessantes de IA incluem a confecção de termos de consentimento com linguagem acessível ou a avaliação de fake news em saúde. Essas aplicações já impactam diariamente a vida dos pacientes e também a rotina médica.