Inteligência Artificial reduz taxa de repetição de ECG em 40%, aponta estudo
Veja como solução de Inteligência Artificial Explicável da Portal Telemedicina pode otimizar fluxo de trabalho em clínicas
A sequência de um estudo desenvolvido pela Portal Telemedicina, em parceria com a organização Partnership on AI, apontou uma redução de 40% na taxa de repetição de exames eletrocardiograma que passaram por uma triagem de inteligência artificial.
Graças aos algoritmos que apontam problemas de qualidade técnica nos exames, a reaplicação pode ser feita imediatamente, evitando também a reconvocação de pacientes.
Neste artigo você confere como funciona a plataforma da Portal Telemedicina que promete tornar o trabalho em clínicas e hospitais muito mais eficiente e qual sua relação com o conceito de inteligência artificial explicável (xAI).
Tecnologia a serviço dos profissionais de saúde: como os algoritmos otimizam o trabalho
O volume de dados envolvidos nos processos da área da saúde faz dela um terreno bastante fértil para inovações tecnológicas em campos como a inteligência artificial, machine learning e big data.
Nesse cenário, a Portal Telemedicina desenvolveu um modelo de Inteligência Artificial para aprimorar a qualidade técnica de exames realizados em clínicas e hospitais. Os algoritmos utilizam uma ampla base de dados para fazer uma varredura no exame que está sendo feito, identificando possíveis problemas que vão dificultar a leitura do médico especialista que receberá o exame.
No mesmo momento, a plataforma de laudos da Portal emite um alerta ao enfermeiro ou técnico que está fazendo o procedimento, informando que existe alguma alteração.
O trabalho do algoritmo é traduzido em forma de mapa de calor (heatmap), demonstrando no próprio exame a área onde está o problema e facilitando a compreensão do usuário, independente do seu nível de conhecimento acerca da tecnologia.
Esse tipo de ferramenta está alinhada com o conceito de inteligência artificial explicável, que busca tornar transparente o processo de funcionamento dos algoritmos, demonstrando o caminho percorrido pela IA para o usuário que fará uso do sistema efetivamente.
Leia também: Portal Telemedicina desenvolve inteligência artificial para detecção de nódulos cancerígenos
Verificando o uso da ferramenta
Com o objetivo de testar o funcionamento da IA e adesão dos usuários, a Portal Telemedicina conduziu um estudo em conjunto com a Partnership on AI, uma organização sem fins lucrativos comprometida com as melhores práticas e uso responsável da inteligência artificial.
Após entrevistas com executivos, desenvolvedores de machine learning e os usuários finais, concluiu-se que os mapas de calor seriam a forma mais eficiente para explicar aos técnicos e enfermeiros o motivo do sistema estar sinalizando seus exames como de baixa qualidade.
Para testar a adesão e impacto da tecnologia, o eletrocardiograma (ECG) foi escolhido como a modalidade piloto. O modelo de IA é capaz de identificar alterações como eletrodos soltos e invertidos, além de ruídos na rede.
Entre as clínicas participantes, foi observado na sequência do estudo uma redução de 40% na taxa de repetição de exames ECG. Isto é, a situação onde o cardiologista recebe o exame e solicita a repetição por não conseguir analisá-lo adequadamente caiu em 40%. Os resultados são preliminares, mas animadores, colocando nos planos da empresa a expansão da funcionalidade para testá-la futuramente em outras 5 modalidades de exames.
Identificar o erro e refazer o ECG de imediato é fundamental para dar eficiência ao fluxo de trabalho, uma vez que isso evita o envio do exame de baixa qualidade ao especialista que terá que pedir a repetição, além da reconvocação do paciente nos casos em que este já foi embora da unidade de saúde.
Exemplo de heatmap apontando baixa qualidade em exame: a área vermelha indica o ponto de atenção
Leia também: Como a Inteligência Artificial auxilia no diagnóstico precoce do câncer de mama
O que é uma inteligência artificial explicável
A explicabilidade é uma qualidade de um sistema de inteligência artificial que diz respeito ao nível de entendimento que os usuários possuem sobre o funcionamento do próprio sistema. Trata-se de um conjunto de métodos para tornar mais transparente o trabalho feito pelos algoritmos.
A inteligência artificial explicável é fundamental para estimular a confiança dos usuários e garantir um trabalho responsável com a tecnologia.
Essa transparência possui um grau de importância ainda maior quando estamos falando do uso de IA na área da saúde. Ainda que o nível de acurácia de um modelo seja muito elevado, ele está sujeito a cometer erros e cair em vieses. Tendo em mãos as explicações de como os algoritmos chegaram naquele resultado e combinando com seu próprio conhecimento, a tomada de decisão do usuário ocorre de uma forma muito mais segura, informada e assertiva.
Segundo a Partnership on AI, estudos anteriores da organização demonstraram que a maioria dos casos de desenvolvimento de xAI buscavam traduzir o funcionamento dos sistemas para os próprios desenvolvedores e engenheiros. Nestes casos, os usuários finais continuavam agindo com base nos resultados dos algoritmos sem necessariamente entender como estes operavam.
Com isso em mente, o estudo em parceria com a Portal Telemedicina teve como objetivo testar uma solução de inteligência artificial explicável para um usuário final em um cenário real: técnicos e enfermeiros aplicando exames de eletrocardiograma.
Outras aplicações da IA na saúde
O uso da inteligência artificial para aprimorar a qualidade de exames é apenas uma das aplicações possíveis desta tecnologia na área da saúde. Hoje, algoritmos já auxiliam médicos e profissionais da área em diagnósticos e predição de doenças, gestão de saúde populacional, automação de atividades administrativas, entre outras frentes.
Neste artigo você confere algumas aplicações de algoritmos de machine learning na saúde e como isso vem transformando a medicina.
