Globalmente, espera-se que o setor de saúde aumente os investimentos em IA em 44% entre 2017 e 2020 (pesquisa da Tata Consultancy Services). Espera-se que as ferramentas de IA focadas em saúde tragam mais de US$ 20 bilhões até meados da década de 2020, exibindo um CAGR de 40% a quase 50% nos próximos cinco a sete anos. E, apenas nos primeiros nove meses de 2017, as empresas globais de análise de big data de saúde receberam mais de US$ 1 bilhão em investimentos em capital de risco, representando um aumento de 31% em relação aos níveis de financiamento ao mesmo tempo em 2016 (Mercom Capital).
Neste ambiente frenético, os líderes da ciência da vida devem equilibrar sua necessidade de aplicar essas tecnologias para melhorar o atendimento ao paciente e as linhas de fundo — sem serem pegos na máquina de hype da lA. Pergunte a si mesmo se vale a pena investir em ferramentas de IA e infraestrutura antes de ver a prova de seu potencial. Você precisará equilibrar cautela com a realidade de que a máquina do aprendizado pode ser a próxima força transformadora na saúde.
Em geral, lA está começando a ser usada para apoio a decisões clínicas (CDS), oferecendo uma grande variedade aos médicos e funcionários (e pacientes) de informações personalizadas em horários específicos. Tudo isso foi feito para ajudar a melhorar os resultados dos pacientes. Dispositivos de suporte, como lembretes, alertas e links de evidências para registros médicos eletrônicos, podem orientar a tomada de decisão de um médico. O software de IA também pode auxiliar médicos com diagnóstico de doenças e algoritmos de tratamento. O desenvolvimento e o uso de sistemas CDS devem ser impulsionados por uma estrutura central que articula condições adequadas para seu uso. Estes incluem processos para monitorar a qualidade dos dados, desenvolver e validar algoritmos e proteger suficientemente os dados dos pacientes.
Na indústria bio-farmacêutica, os pesquisadores podem usar tecnologias de lA e a máquina de aprendizado para impulsionar processos de tomada de decisão para o desenvolvimento de novas drogas e para expandir os medicamentos existentes para tratamentos para outras condições. Os líderes farmacêuticos também podem empregar ferramentas de IA para acelerar o processo de ensaios clínicos, identificando pacientes apropriados de várias fontes de dados. Finalmente, as empresas farmacêuticas estão usando lA para prever a hora, localização e probabilidade de surtos epidêmicos.
Atualmente, um terço de todas as empresas de IA Software a Serviço (SaaS) estão focando parcial ou exclusivamente em diagnósticos, tornando-se uma das maiores áreas de foco para startups em expansão na área. The Institute of Medicine at the National Academies of Science, Engineering, and Medicine relata que "erros de diagnóstico contribuem para aproximadamente 10% das mortes de pacientes", e também são responsáveis por 6 a 17% das complicações hospitalares.
Para evitar erros e limitar riscos ao tomar decisões de compra de IA relacionadas à saúde, você deve: (a) Confirme que sua solução é validada clinicamente e tem funções adequadas de privacidade e segurança de dados, e (b) planejar uma implementação incremental (passo a passo) no local para garantir que todos os usuários usem a ferramenta de forma controlada. Com o passar do tempo e à medida que a experiência cresce, o uso será mais amplo, mas as melhores práticas precisarão ter regras rígidas de uso inicialmente. A solução lA pode ajudar a acelerar algumas tarefas, mas a experiência humana pode ser necessária para o amplo escopo do que é necessário.
Atualmente, a lA na área da saúde está na segunda etapa do Ciclo de Hype do Gartner: "o pico de expectativa inflada. "No entanto, se não permitirmos que ele pegue o hype, ele pode cair de volta no que o Gartner chama de "cocho da desilusão". Para evitar isso, precisamos entender adequadamente a IA e suas limitações para que possamos usá-la de forma mais eficaz e em áreas onde ela possa