As tecnologias digitais estão evoluindo continuamente e encontrando novas aplicações na área da saúde, mesmo em um momento em que o setor demonstra dificuldades com a transformação digital. A cada ano, surgem novos aplicativos, mas as tecnologias que estão por trás deles continuam as mesmas. Com relação a 2019, fizemos a empresas de diversas partes do mundo uma pergunta básica: qual é a tecnologia-chave que você acredita que terá o impacto mais profundo no setor de saúde este ano? Os resultados não são muito surpreendentes.

Naturalmente, os participantes desse levantamento estão espalhados por segmentos bem diversos – fármacos e biotecnologia, dispositivos médicos, equipamentos de imagens médicas, diagnósticos in vitro, monitoramento remoto de pacientes, TI de saúde e provedores de soluções digitais de saúde –, mas excluem estabelecimentos de atendimento, como hospitais e outros. Isso significa que essas tecnologias estão sendo vistas através de uma lente diferente, conforme o segmento ao qual o participante pertence. Também significa que as aplicações dessas tecnologias seriam diferentes em cada segmento.

Para um maior aprofundamento com base nesses dados, analisamos alguns dos principais desafios enfrentados por cada segmento e os classificamos para entender quais são os mais importantes para 2019. Em seguida, relacionamos as tecnologias identificadas na pesquisa aos desafios priorizados para este ano, a fim de entender quais aplicações subiriam ao topo de cada segmento.

A carga de trabalho do radiologista

Hoje, os diagnosticadores que trabalham com imagens, como os radiologistas e profissionais de outras subespecialidades, costumam passar horas e horas realizando intensas tarefas manuais dentro do processo de análise de imagens. Devido à carga de trabalho pesada, os radiologistas mal conseguem tempo suficiente para ler essas imagens, o que leva a equívocos e erros de diagnóstico. Para esses profissionais, turnos de 10 a 12 horas são comuns, sendo que alguns trabalham até 60 horas por semana. O aumento do número de pacientes encaminhados para a radiologia e os avanços contínuos da tecnologia de imagens só aumentará a quantidade de dados a serem analisados e tornará mais intensiva a análise dessas informações.

A inteligência artificial como solução

A aceleração e a automação (ou semiautomação) por meio de algoritmos de IA para tarefas de análise de imagens podem dar as principais contribuições para a economia de tempo e o ganho de produtividade. Uma ferramenta de inteligência artificial que simplifique os processos de análise de imagens, reduzindo o número de cliques para executar uma tarefa e adivinhando os próximos passos com base no contexto, que aprende as preferências do usuário, e assim por diante, ajudará a acelerar o processo de análise de imagens. Outra categoria de ferramenta tem como objetivo automatizar as tarefas de análise de imagens que são realizadas manualmente e nas quais a IA tem demonstrado desempenho igual ou superior aos padrões atuais, de base humana.

O tsunami de startups

Há mais de uma centena de startups ativas no espaço da inteligência artificial voltada à radiologia, sem falar das empresas estabelecidas que vêm desenvolvendo soluções para diversas doenças. Alguns exemplos representativos: iCAD (câncer de mama), HeartFlow (cardiologia), Vida Diagnostics (imagens pulmonares), icometrix (neurologia), Tencent (oncologia), Google e Amazon (oftalmologia), Enlitic (ortopedia) e Vuno (pediatria). Essa ampla gama de soluções esteve bem representada no congresso da Sociedade Radiológica da América do Norte (RSNA), realizado em novembro de 2018, no qual uma área de exposição específica de aprendizagem de máquina permitiu que várias empresas exibissem suas soluções, enquanto algumas aproveitaram a oportunidade de se apresentarem no Machine Learning Theatre para mostrar suas iniciativas para auditórios lotados ao longo dos quatro dias do evento.

O impacto

Considerando-se um salário anual médio de US$ 400 mil para um radiologista nos Estados Unidos, cada minuto de seu tempo de trabalho vale US$ 3,33 e, portanto, a menor economia de tempo já resulta em economia de custos. Qualquer automação que diminua as tarefas redundantes também ajuda a reduzir a fadiga do radiologista (que pode resultar em uma queda de 4% na precisão do diagnóstico). Em última análise, isso ajudaria a aumentar a qualidade dos diagnósticos e a evitar a perda de oportunidades de detecção precoce de doenças, resultando em melhores resultados para o paciente no longo prazo.

Perspectivas e impacto

A Frost & Sullivan acredita que, no geral, a IA no espaço de imagens médicas será um mercado de mais de US$ 1 bilhão até 2022: o potencial é enorme. A inteligência artificial também abre um caminho que viabiliza abordagens de imagens de precisão, permitindo que elas desempenhem um papel maior no paradigma mais amplo da medicina de precisão.

Fonte: forbes.uol.com.br

Nenhum Comentário »

No comments yet.

RSS feed for comments on this post. TrackBack URL

Leave a comment