Transferência de Aprendizado e Governança Ajudam a Reduzir a Divisão em IA na Saúde
Pesquisadores demonstraram que técnicas avançadas de inteligência artificial (IA) podem melhorar significativamente o diagnóstico clínico em países com recursos limitados, sem a necessidade de grandes conjuntos de dados locais.
Transferência de Aprendizado em Diagnósticos
Uma equipe de pesquisa aplicou a transferência de aprendizado, um método onde um modelo desenvolvido para uma tarefa é reutilizado como ponto de partida para outra, para prever resultados de pacientes após parada cardíaca. O estudo abordou um desafio comum na adoção de IA em países de baixa e média renda: a falta de dados extensos e de alta qualidade necessários para treinar modelos algorítmicos do zero.
Para testar a eficácia da transferência de aprendizado, os pesquisadores usaram um modelo de previsão de recuperação cerebral originalmente construído com dados de pacientes de parada cardíaca fora do hospital. O modelo foi adaptado para uso em um novo contexto, mostrando uma grande melhoria na precisão do diagnóstico. Enquanto o modelo original apresentava uma precisão de 46%, o modelo adaptado alcançou cerca de 80% de precisão.
Desafios na Adoção de IA
Apesar do crescimento do potencial da IA na saúde, a adoção da tecnologia permanece desigual globalmente. Um estudo separado destacou que, embora 63% dos provedores de saúde pesquisados utilizem ferramentas de IA, a adoção é mais prevalente em países de alta e média-alta renda. Este estudo também ressaltou o potencial de modelos de linguagem para melhorar o acesso ao cuidado e a tomada de decisões clínicas em países que enfrentam barreiras como infraestrutura limitada e falta de expertise.
Exemplos incluem trabalhadores de saúde comunitários que usam aplicativos para detectar infecções por malária de forma mais eficiente, e chatbots que oferecem aconselhamento pré-natal a mães grávidas.
Chamado para Governança Internacional
Embora as ferramentas de IA possuam o potencial de melhorar a entrega de cuidados de saúde, estruturas de governança são fundamentais para a implementação segura e ética da tecnologia. As regulamentações atuais muitas vezes não abordam os riscos específicos da IA, como preocupações de privacidade e a necessidade de supervisão adequada.
Pesquisadores propuseram a formação de um consórcio internacional para fornecer orientações sobre a regulação de novas ferramentas, monitorar seu impacto e estabelecer diretrizes de segurança, reunindo líderes de saúde, reguladores e grupos de pacientes em todo o mundo.
Conclusão
Com uma supervisão clara e diretrizes bem definidas, os sistemas de saúde podem alavancar as forças da IA para melhorar os resultados de saúde, evitando potenciais armadilhas. Todos os stakeholders, desde formuladores de políticas até grupos de pacientes, têm um papel crucial a desempenhar na realização deste objetivo.
