IA generativa nos cuidados de saúde: Casos de utilização e aplicações no mundo real

Geração de dados

A IA, como os chatbots de IA médica, precisa de conjuntos de dados grandes e diversificados para aprender, mas as leis de privacidade dos doentes, como a HIPAA, dificultam a partilha de dados clínicos reais entre instituições. É aqui que entra a IA generativa para a geração de dados sintéticos.

Em vez de acederem aos registos reais dos doentes, os investigadores utilizam modelos generativos treinados em conjuntos de dados não identificados. Estes modelos aprendem padrões na forma como as doenças progridem, como os sintomas se correlacionam com os resultados laboratoriais e como os tratamentos afectam os resultados. Em seguida, geram registos de doentes totalmente sintéticos que se assemelham e comportam como dados reais, mas não estão ligados a nenhum indivíduo.

Digamos que um hospital quer treinar um modelo de IA para detetar sinais precoces de sépsis. Só tem 200 casos. Isso não é suficiente. Então, o modelo de IA analisa esses 200 casos reais e gera milhares de casos sintéticos:

• Alguns apresentam sintomas típicos de sépsis.
• Outros imitam combinações raras, como febre tardia e sinais vitais anormais três dias depois.
• Alguns até simulam doentes com sintomas enganadores, ajudando a testar casos extremos.

Estes registos sintéticos não pertencem a ninguém, mas comportam-se como dados reais.

Isto abre novas formas de testar ideias e explorar cenários hipotéticos na medicina sem pôr em risco a privacidade dos doentes.

Diagnóstico médico

Nos EUA, hospitais como a Mayo Clinic e o Mass General Brigham estão a introduzir dados anónimos de pacientes, como ressonâncias magnéticas, tomografias computorizadas, resultados laboratoriais e notas clínicas, em ferramentas de diagnóstico de IA. 

De facto, 65% dos hospitais dos EUA já utilizam modelos de IA preditiva em alguma parte dos seus fluxos de trabalho de diagnóstico.

Uma área que tem registado uma adoção especialmente rápida é a radiologia, onde a IA está a ajudar os médicos a ultrapassar os limites do olho humano. Os algoritmos são treinados para reconstruir imagens desfocadas e destacar áreas de preocupação, como tumores ou fracturas.

Mas as aplicações com maior impacto não se limitam a uma única imagem. Os modelos de linguagem de grande dimensão podem combinar dados de várias fontes, desde relatórios de radiologia e notas médicas a valores laboratoriais, receitas médicas e sinais vitais do doente, para criar uma imagem mais completa.

Imagine um registo de um doente que diz: "Falta de ar ligeira há duas semanas, nova pieira, sem historial de asma."

Um assistente de IA pode reconhecer um padrão potencial de insuficiência cardíaca precoce. Em seguida, verifica os valores laboratoriais recentes do peptídeo natriurético do tipo B (utilizado para detetar stress cardíaco) e o historial de medicação. Se o doente tiver mais de 65 anos, o sistema pode dar prioridade à insuficiência cardíaca como sendo mais provável do que a asma e assinalar o facto para análise pelo médico.

Descoberta de medicamentos

Em 2020, cientistas do MIT e de Harvard utilizaram a IA generativa para identificar um novo antibiótico, a halicina, que poderia matar bactérias resistentes aos medicamentos. 

Este tipo de avanço da IA está a mudar a forma como os químicos e os investigadores farmacêuticos abordam uma das partes mais caras e demoradas da medicina.

O desenvolvimento de um único medicamento, incluindo o custo de candidatos falhados, pode custar entre 1 e 2 mil milhões de USD. Tradicionalmente, é um jogo de números: selecionar milhares de compostos, fazer ensaios após ensaios e esperar que um deles acerte no alvo. 

A IA generativa torna o processo dramaticamente mais rápido. Os investigadores começam com um pedido de descoberta de medicamentos como "Conceber uma molécula que iniba as mutações KRAS G12C no cancro do pulmão mas que não afecte as células saudáveis". 

Esta resposta é introduzida num modelo generativo treinado em bases de dados de estruturas químicas, interações proteicas e efeitos secundários conhecidos. Em poucas horas, o modelo propõe estruturas moleculares inteiramente novas que satisfazem esses critérios, algumas inspiradas em compostos existentes, enquanto outras são completamente novas. 

Os investigadores podem então simular a forma como estas moléculas se ligam às proteínas-alvo, reduzindo a lista antes de realizarem uma experiência em laboratório.

Também funciona no sentido inverso. Se os investigadores introduzirem dados de expressão genética de doentes, o modelo pode inferir que tipo de composto pode corrigir a disfunção subjacente, mesmo que esse composto ainda não exista.

Documentação clínica 

Em vez de passarem horas a vasculhar os registos de saúde electrónicos (EHR), os médicos podem agora receber resumos instantâneos que apresentam informações importantes como diagnósticos, medicamentos, tendências laboratoriais e historial de tratamentos.

Estes resumos ajudam os prestadores de cuidados de saúde a actualizarem-se mais rapidamente, especialmente durante as mudanças de turno ou o elevado volume de doentes.

Para além de melhorar o acesso à informação, estas ferramentas também estão a ser utilizadas para automatizar a documentação. Muitas vezes, os médicos passam mais tempo a escrever notas do que a tratar os doentes. Mas com os LLMs, os médicos podem ditar ou carregar os dados do doente e receber em troca um projeto de nota de progresso ou um resumo da alta. O passo final é uma rápida revisão e aprovação.

A Epic Systems, um dos maiores fornecedores de EHR nos EUA, está a testar ativamente a geração de notas assistida por IA em parceria com a Microsoft. Noutro estudo, os primeiros resultados mostram que os médicos poupam uma média de 3,3 horas por semana com a documentação assistida por IA. 

Estes sistemas também introduzem uma camada de controlo da segurança clínica. Os modelos de IA assinalam potenciais problemas, como interações entre medicamentos e alergias ou instruções contraditórias enterradas no registo. Embora não estejam a tomar decisões, actuam como um segundo par de olhos, reduzindo o risco de erro médico.

Medicina personalizada

A IA generativa pode prever a forma como os indivíduos responderão aos tratamentos, analisando a sua genética e historial médico. 

Treinados em grandes conjuntos de dados, os modelos de IA encontram padrões subtis - por exemplo, a forma como uma variante genética específica afecta o metabolismo dos medicamentos - e utilizam essa informação para recomendar soluções personalizadas.

Tratamento de saúde mental

Este mesmo princípio de utilização da IA generativa para modelar respostas personalizadas também está a ser explorado na saúde mental. 

Empresas como a Woebot Health estão a desenvolver ferramentas de terapia cognitivo-comportamental (TCC) baseadas em IA. Estes sistemas analisam interações anteriores para criar diálogos terapêuticos personalizados e simular factores de ansiedade do mundo real, como ir a uma festa com muita gente ou receber críticas no trabalho. Em seguida, orientam o paciente através de estratégias de controlo em tempo real, oferecendo continuidade entre as sessões de terapia.

Ensino e formação médica

A formação médica tradicional sempre se baseou em estudos de casos estáticos e pacientes padronizados. São úteis, mas não preparam totalmente os estudantes para a imprevisibilidade do trabalho clínico real. 

A IA generativa muda isso, introduzindo novas simulações que se adaptam à forma como cada aluno reage e aprende.

A Virti, uma empresa sediada no Reino Unido, desenvolveu "pacientes virtuais" alimentados por IA para melhorar a formação clínica à distância. No Virti, um estudante pode ter de:

• Dar más notícias a um doente virtual com cancro
• Acalmar um membro da família zangado que exige respostas
• Explicar um diagnóstico complicado em termos simples

Os pacientes virtuais respondem em tempo real ao que o estudante diz ou faz, criando uma experiência mais realista. 

O doente virtual do Virti também avalia a clareza e empatia com que o formando comunica. Se um aluno disser algo como "metastático", o sistema pode sugerir uma reformulação para "o cancro espalhou-se" para facilitar a compreensão do doente.

O Virti também acompanha o desempenho dos alunos nas simulações, fornecendo aos instrutores painéis que destacam as áreas em que os alunos podem ter dificuldades, como a prescrição excessiva de antibióticos ou a falta de diagnósticos críticos.

Esta tecnologia de IA está a tornar-se cada vez mais popular na prática. Durante a pandemia de COVID-19, a tecnologia Virti formou mais de 300 médicos no Hospital Cedars-Sinai.

Educação dos doentes

No que diz respeito à educação dos pacientes, a IA generativa permite uma educação personalizada através da análise do estado e do historial médico de um paciente. 

Aplicações como a OneRemission utilizam chatbots com IA para orientar os sobreviventes de cancro nos cuidados pós-tratamento. Se um doente perguntar: "Posso comer esta comida com os meus medicamentos?", o chatbot dá uma resposta direta com base no historial médico do doente. 

Esta interação vai além das conversas estáticas. Um doente recém-diagnosticado com diabetes, por exemplo, pode começar com o básico: como verificar o açúcar no sangue, quando tomar insulina, o que comer. Depois, pode perguntar: "O que acontece se me esquecer de tomar uma dose?" ou "Posso comer fruta?" A IA responde de imediato em linguagem simples e não técnica.

A IA também vai ao encontro das pessoas onde elas estão. Se alguém tem pouca literacia em saúde ou fala uma língua diferente, a IA adapta a forma como explica as coisas. Em vez de dizer "monitorize a sua glicose", pode dizer "verifique o seu nível de açúcar no sangue utilizando este dispositivo. Veja como".

Para manter os pacientes no caminho certo, os chatbots com IA também enviam lembretes atempados como "Tome já o seu comprimido das 16 horas" ou "A sua consulta de acompanhamento é amanhã às 10 horas". 

Funções de back-office

Os hospitais podem ser de alta tecnologia no bloco operatório, mas, nos bastidores, muitos ainda funcionam com folhas de cálculo, PDFs digitalizados e longas mensagens de correio eletrónico. Os departamentos de RH, finanças e operações dependem frequentemente de sistemas desactualizados que tornam ineficientes até os fluxos de trabalho básicos.

A IA generativa está a ajudar a modernizar estas funções de back-office, transformando processos manuais em sistemas automatizados.

Veja-se o caso das finanças. Em vez de o pessoal ter de rever manualmente cada fatura, alguns hospitais utilizam agora a IA para digitalizar as ordens de compra, fazê-las corresponder aos contratos com os fornecedores, assinalar inconsistências, como encargos duplicados, e encaminhá-las para o aprovador correto. 

Nos RH, a IA potencia os chatbots internos de IA que respondem a perguntas dos funcionários como: "Onde posso encontrar a política de PTO?" Em vez de esperar horas (ou dias) pela resposta do departamento de TI ou de RH, os funcionários obtêm respostas instantaneamente, mesmo às 2 da manhã.

Estas ferramentas de bastidores podem não ser tão visíveis como os modelos de diagnóstico ou os assistentes virtuais, mas detectam erros e libertam o pessoal para se concentrar em trabalho de maior impacto. 

E os hospitais não são a única parte do sistema de saúde a lidar com fluxos de trabalho desactualizados. Os fornecedores de seguros estão a utilizar chatbots com IA para lidar com tarefas como actualizações de apólices e processamento de pedidos de indemnização - oferecendo um manual claro sobre como os hospitais podem trazer a mesma eficiência para as suas próprias operações.

Chamadas automatizadas de acompanhamento de vacinas com IA de voz

Durante o lançamento da vacina contra a COVID-19 em Itália, as equipas de saúde pública precisavam de uma forma de monitorizar os efeitos secundários em milhares de pacientes. A utilização de controlos pessoais ou de chamadas telefónicas não era escalável e os atrasos podiam fazer com que as reacções graves não fossem detectadas.

A engineon criou um bot baseado na voz, utilizando Botpress , para telefonar proactivamente aos doentes, perguntar sobre os sintomas pós-vacina e registar as respostas, tudo isto em conformidade com as leis de privacidade da UE. 

Os dados foram introduzidos diretamente no sistema de análise da engineon, ajudando os funcionários da saúde a responder rapidamente a eventos adversos.

O resultado foi uma precisão de resposta de 95%, 80 000 euros em poupanças anuais e mais de 6 000 horas de trabalho libertadas. 

Assistente clínico mãos-livres para médicos

O Centro Médico da Universidade de Vanderbilt enfrentava um problema crescente: o esgotamento dos prestadores de serviços. 

A documentação e o trabalho administrativo estavam a consumir tempo e a aumentar os custos laborais. Para aliviar o fardo, a Dra. Yaa Kumah-Crystal liderou um esforço para introduzir ferramentas de IA com tecnologia de voz nos fluxos de trabalho clínicos diários.

Trabalhando com a Epic Systems, a equipa desenvolveu o V-EVA: um assistente de voz que permite aos médicos aceder a informações importantes sobre os doentes através de um pedido verbal. Em vez de lerem os registos ou ouvirem longas respostas áudio, os médicos vêem instantaneamente resumos no ecrã adaptados às suas necessidades.

Atualmente, os médicos utilizam comandos de voz para pedir análises e actualizações em modo mãos-livres. À medida que a IA for melhorando, espera-se que faça ainda mais, como ouvir conversas e antecipar necessidades clínicas.

Chatbot de IA para responder a perguntas frequentes sobre saúde pública em grande escala

Durante o surto de COVID-19 no Quebeque, o Ministério da Saúde e dos Serviços Sociais (MSSS) foi confrontado com uma vaga de pedidos de informação do público, desde sintomas e testes a ajudas financeiras e regras de saúde pública. Os seus centros de atendimento telefónico não conseguiam acompanhar o ritmo.

Para responder rapidamente, a MSSS implementou um chatbot de IA Botpress em apenas duas semanas. Foi treinado para responder a grandes volumes de perguntas relacionadas com a COVID, disponível 24 horas por dia, 7 dias por semana, e sempre atualizado com as mais recentes diretrizes de saúde.

Linha direta de triagem da COVID-19 gerida por um bot de voz com IA

Durante a primeira vaga de COVID-19, o Mass General Brigham lançou uma linha direta para ajudar os doentes com dúvidas. Mas, em poucas horas, o volume de chamadas explodiu. 

Para resolver este problema, a equipa criou um assistente de voz alimentado por IA, treinado com base nos protocolos de rastreio do CDC. O bot fez perguntas sobre os sintomas, ofereceu os próximos passos e encaminhou os pacientes para cuidados urgentes, um médico de cuidados primários ou para as urgências.

Ao descarregar chamadas de rotina, o bot de IA reduziu drasticamente os tempos de espera e ajudou milhares de pacientes a obter orientação mais rapidamente. 

Atualmente, essa dinâmica inicial de utilização da IA continua: 1 em cada 10 médicos do Mass General Brigham utiliza a IA generativa, atualmente para ajudar na documentação.

Ferramenta de fala com IA para pessoas com deficiência

Vocable é uma aplicação gratuita que ajuda as pessoas com deficiências da fala a comunicar, utilizando os movimentos da cabeça, do rosto ou dos olhos para gerar respostas naturais, alimentadas por IA.

A primeira versão utilizava a câmara frontal de um dispositivo móvel para seguir os movimentos da cabeça e do rosto, permitindo aos utilizadores selecionar palavras e frases no ecrã. Foi um grande passo em frente em comparação com os dispositivos AAC (comunicação aumentativa e alternativa) tradicionais, que custam frequentemente mais de 15 000 dólares e oferecem uma funcionalidade limitada.

Mas continuava a parecer mecânico. Para mudar isso, a equipa integrou o ChatGPT. Agora, o Vocable compreende o que o prestador de cuidados diz e gera respostas inteligentes em tempo real.

No Apple Vision Pro, a experiência vai ainda mais longe. Os utilizadores podem navegar na interface com seguimento ocular num ecrã totalmente envolvente.

O resultado é uma ferramenta de comunicação moderna para sobreviventes de acidentes vasculares cerebrais, pessoas com ELA ou esclerose múltipla, pacientes não-verbais e outros que têm dificuldade em falar.

1. Defina os seus objectivos

Não construa um chatbot só para ter um. Decida exatamente o que ele deve fazer.

• Deve efetuar marcações?
• Enviar lembretes de receitas médicas?
• Fazer a triagem dos sintomas e encaminhar os doentes para os cuidados de saúde?

Cada objetivo leva a diferentes caraterísticas, integrações e decisões de design. Por exemplo, se pretender fazer uma triagem de sintomas, precisará de um agente LLM que compreenda a linguagem natural e possa lidar com entradas abertas como: "Estou com dor de garganta e febre há dois dias - devo entrar?"

Sem um objetivo claro = um bot confuso sem um valor claro.

2. Escolher a plataforma de IA correta

Nem todos os construtores de chatbots funcionam para hospitais ou clínicas. Escolha uma plataforma que tenha sido criada para os cuidados de saúde ou que seja facilmente adaptável aos mesmos. Para começar, aqui estão 9 dos melhores criadores de chatbot com IA.

Procure fluxos de trabalho personalizáveis, para que possa definir a lógica para triagem, lembretes ou admissão, e integrações com EHRs, portais de pacientes e ferramentas de agendamento.

Confirme também que suporta a conformidade (por exemplo, HIPAA) e a escalabilidade. Não vai querer ter de reconstruir o sistema quando o seu piloto se expandir. 

E certifique-se de que a plataforma escolhida inclui medidas de segurança fortes para o chatbot, como encriptação de dados e controlos de acesso baseados em funções. 

3. Integrar com os sistemas principais

Um chatbot autónomo não vai ajudar muito. Para obter um valor real da implementação do seu chatbot, integre-o com os seus sistemas principais para que ele possa realmente fazer coisas, como:

• Extraia dados de pacientes do seu EHR para personalizar as interações
• Verificar a disponibilidade de marcações em tempo real
• Resolver questões de faturação através da ligação a ferramentas de seguros e de pedidos de indemnização
• Acompanhar os dados de utilização através de plataformas de análise como Looker ou Tableau

Sem integração, o seu chatbot não passa de um FAQ sofisticado.

4. Construir e testar

Conceba o fluxo da conversa como se fosse um processo clínico. Mapeie-o:

• O que é que o bot deve dizer primeiro?
• Que perguntas de seguimento deve fazer?
• Como é que lida com entradas confusas ou escalonamento?

Quando o fluxo estiver claro, construa o seu chatbot.

5. Reiterar

Por último, teste-o iterativamente.

Simule conversas com pacientes, descubra onde há falhas e corrija-as. Obtenha feedback do pessoal da linha da frente e de utilizadores reais. Ajuste o tom e as respostas até que tudo funcione como esperado.

O aperfeiçoamento não termina após o lançamento. Os melhores bots evoluem com a utilização no mundo real.

Como é que sei se a minha organização de cuidados de saúde está pronta para implementar a IA generativa?

Saberá que a sua organização de cuidados de saúde está pronta para implementar a IA generativa se tiver problemas bem definidos para resolver - como reduzir o tempo de documentação ou melhorar a análise de dados - e se a sua equipa estiver aberta à adoção de novas ferramentas digitais. A prontidão também significa ter sistemas de dados seguros (como EHRs) com os quais a IA pode se integrar e a adesão da liderança para pilotar projetos de IA pequenos e focados antes de escalar.

Que leis sobre a privacidade dos dados dos doentes devo ter em conta quando utilizo a IA generativa nos cuidados de saúde?

Ao utilizar IA generativa nos cuidados de saúde, tem de cumprir as leis de privacidade dos pacientes, como a HIPAA nos EUA (ou o RGPD na Europa), que regem a forma como as informações de saúde protegidas (PHI) são armazenadas e partilhadas. Isto significa que quaisquer ferramentas de IA que implemente devem suportar encriptação, controlos de acesso rigorosos, registos de auditoria e processos de desidentificação de dados se estes forem utilizados para modelos de formação ou análises.

A IA generativa é suficientemente segura para a tomada de decisões clínicas ou deve ser utilizada apenas para tarefas administrativas?

A IA generativa ainda não é suficientemente fiável para substituir o julgamento clínico e deve ser utilizada como uma ferramenta de assistência e não como um decisor nos cuidados aos doentes. É segura para tarefas administrativas - como a redação de notas e o tratamento de questões de rotina dos doentes - mas quaisquer diagnósticos médicos ou planos de tratamento devem estar sempre sob supervisão humana para evitar erros.

Quanto tempo é que normalmente demora a implementar um chatbot com IA num ambiente de cuidados de saúde?

A implementação de um chatbot de IA num ambiente de cuidados de saúde pode demorar entre algumas semanas e vários meses, dependendo da complexidade. Um chatbot de FAQ básico pode ser lançado em 2-4 semanas, enquanto um chatbot sofisticado que se liga a EHRs, lida com conversas compatíveis com HIPAA ou efectua triagem pode demorar 2-6 meses para desenvolvimento, testes e aprovações de conformidade.

Existem especialidades médicas específicas em que a IA generativa é mais útil?

Sim, a IA generativa é especialmente útil em especialidades como a radiologia (para interpretar imagens e redigir relatórios), patologia (para resumir resultados), oncologia (para resumir planos de tratamento complexos), saúde mental (para bots de terapia conversacional) e áreas administrativas pesadas como os cuidados primários, onde ajuda a gerar documentação clínica e a lidar com a comunicação com o paciente de forma eficiente.