AI in Healthcare

Como a IA trabalha para melhorar os resultados dos cuidados com a saúde — da eficiência ao atendimento ao paciente

Descubra o estado atual da adoção de IA no setor de saúde e o potencial de transformação e melhores resultados para os pacientes. Saiba como a IA beneficia organizações de saúde, profissionais e pacientes, e explore os desafios que precisam ser enfrentados para uma implementação de IA bem-sucedida.

Embora a IA tenha estado no horizonte há mais de uma década, parece que se tornou uma tecnologia líder da noite para o dia. Organizações de todos os setores estão adotando-a de novas maneiras e explorando seu potencial para remodelar os negócios.  

A recente e rápida ascensão da IA se deve às capacidades em expansão — um aumento que apenas começou. De acordo com um estudo, a IA se aperfeiçoou rapidamente na última década, em grande parte impulsionada pelos avanços em machine learning, deep learning, ciência de dados e previsão estatística.

Para alcançar os resultados esperados pelas organizações de saúde, será necessário superar vários desafios. Um dos maiores é quebrar silos de dados para que os dados possam fluir com segurança dentro e fora das tecnologias de IA.

 

Saúde: retardatário ou líder da IA?

Com praticamente todos os setores se movendo rapidamente para adotar a IA, onde o setor de saúde está hoje?

Quando se trata de adotar novas tecnologias, a saúde tem sido tradicionalmente considerada um retardatário, de acordo com alguns líderes e analistas seniores de saúde. Por exemplo, de acordo com o Índice McKinsey de Digitalização, o setor de saúde está entre os setores menos avançados na digitalização.

No entanto, há outra escola de pensamento que diz que a área da saúde fez escolhas inteligentes onde importa e adotou tecnologia avançada em um ritmo constante. Embora os serviços de saúde em geral tenham sido lentos para adotar novas tecnologias, de acordo com o Conselho Consultivo, há áreas de progresso e inovação significativos e várias razões para o otimismo sobre o progresso futuro. Em particular, muitas organizações empreenderam uma transformação digital de maneiras que as tornaram mais capazes de cumprir sua missão e objetivos.

 

O futuro da IA na área da saúde

Não importa onde a saúde esteja no momento, quase todas as previsões indicam um aumento no uso da IA na área da saúde em um futuro muito próximo. Há muitas vantagens que podem beneficiar a saúde. Por exemplo, a IA pode analisar grandes quantidades de dados, incluindo dados não estruturados, que as organizações de saúde armazenam em vários formatos, incluindo imagens, pedidos médicos e pesquisas clínica. Dentro desses recursos, a IA pode ajudar na identificação de padrões e insights que não são detectáveis por humanos e de várias outras maneiras.

A aplicabilidade de tecnologias emergentes, incluindo a IA, varia dependendo do contexto. O que pode ser uma prioridade para uma instituição médica acadêmica pode não ter a mesma importância para um grande sistema de saúde focado em melhorar a gestão de receitas e os ciclos de fluxo de caixa.

Quando as organizações de saúde adotam a IA, ela traz benefícios significativos para diferentes partes interessadas, incluindo a própria organização, profissionais e pacientes. Vamos explorar como cada um desses componentes pode aproveitar a IA para atingir metas e missões.

 

Como a IA beneficia as organizações de saúde

As organizações de saúde que demoraram a adotar novas tecnologias de ponta são frequentemente atormentadas por uma série de desafios, incluindo silos de dados, problemas de interoperabilidade e a pressão de processos manuais, como a transferência de informações de pacientes entre sistemas. Ao aproveitar o poder da IA, as organizações de saúde podem romper os silos de dados e fazer avanços significativos em direção à melhoria da eficiência operacional.

De acordo com a Deloitte, quando as organizações de saúde aplicam IA em toda a cadeia de valor, elas podem melhorar a saúde e o bem-estar do consumidor e apoiar resultados melhores. A empresa recomenda que os líderes de saúde considerem uma estratégia de IA em toda a empresa para transformar os modelos de atendimento ao paciente.

O relatório da Deloitte afirma que "as soluções baseadas em IA podem oferecer muitos benefícios para as organizações, como retornos imediatos por meio da redução de custos e melhor engajamento do consumidor. Mas ainda há muito trabalho a ser feito. Ele exige colocar as estratégias em ação em um nível funcional, comunicando uma visão clara da IA, ajudando a força de trabalho a operacionalizar a IA e encontrando os parceiros certos do ecossistema para suprir as necessidades técnicas."

Em um estudo conjunto da McKinsey e da Harvard, pesquisadores estimaram que a adoção mais ampla da IA poderia levar a reduções nos gastos com saúde entre 5% e 10%, economizando US$ 360 bilhões por ano para o setor de saúde.

Apesar dos grandes números mencionados, os líderes de saúde não devem ignorar a utilidade da IA na obtenção de frutos mais fáceis de colher. Embora isso possa parecer simplificado, projetos menores podem fornecer insights úteis que podem proporcionar benefícios tangíveis. Um exemplo disso é o gerenciamento do ciclo da receita. Para esse fim, soluções em nuvem criadas especificamente com recursos de IA incorporados estão se tornando a norma em operações de alto volume com prazo determinado que exigem a execução de algoritmos de machine learning em grandes conjuntos de dados a baixos custos. Os casos de uso incluem soluções de computação de alto desempenho que ajudam a alimentar a pesquisa genômica e a descoberta de medicamentos.

 

Como a IA beneficia os profissionais da saúde

Outra área da saúde onde a IA pode ter impacto é com médicos e enfermeiros. Quando os hospitais adotam IA e plataformas de machine learning, eles aprimoram suas pilhas de tecnologia. De acordo com o Managed Healthcare Executive, isso os ajuda a melhorar a capacidade dos médicos de trabalhar com eles.

A IA fornece aos profissionais várias vantagens que potencializam o atendimento ao paciente. Os benefícios incluem:

  • A otimização de tarefas rotineiras demoradas, simplificando o trabalho
  • A criação de mais tempo para se dedicar ao atendimento direto ao paciente
  • A melhora no processo de diagnóstico, permitindo a detecção precoce e a prevenção de doenças

 

Como a IA beneficia os pacientes

Um dos aspectos mais promissores da IA na área da saúde é a capacidade de transformar a experiência do paciente. Imagine um mundo onde as idas dos pacientes a um consultório médico começam com uma automação perfeita. Processos de recepção, como o preenchimento de formulários e o compartilhamento de informações de histórico médico, podem ser digitalizados por meio do processamento inteligente de documentos e aplicativos de IA generativa. A automação baseada em IA e IA generativa pode extrair dados de imagens, PDFs e outros formatos, garantindo a reutilizabilidade e a interoperabilidade. Essa automação também se estende ao envio de documentos de sinistros aos pagadores para simplificar o processo de seguro.

As tecnologias baseadas em IA têm um imenso potencial para transformar a prestação de cuidados. Por exemplo, profissionais usando óculos inteligentes podem fornecer orientação virtual aos pacientes e realizar diagnósticos remotos e planos de tratamento por vídeo e áudio ao vivo. Esses óculos com tecnologia de IA também podem ajudar na captura de documentação para fins educacionais e de controle de qualidade, na gravação de cirurgias e na automatização da documentação de procedimentos pela equipe de enfermagem.

Alguns dos benefícios mais imediatos para os pacientes que resultarão da integração profunda entre a IA e o setor de saúde incluem:

  • Diagnóstico e detecção precoce da doença: os modelos de machine learning podem ser usados para observar os sintomas do paciente e coletar dados de dispositivos médicos, além de alertar os médicos se os riscos aumentarem.
  • Menos erros em diagnósticos por imagem: por exemplo, a IA pode detectar sinais precoces de câncer de mama ou outras condições de forma tão eficaz quanto os radiologistas humanos.
  • Análise de imagens: espere resultados promissores na radiologia, onde grandes quantidades de imagens rotuladas podem ser analisadas por algoritmos de machine learning para identificar nódulos ou crescimentos iniciais que não são necessariamente percebidos pelo olho humano.
  • Cuidados personalizados: a IA tem o potencial de utilizar históricos médicos individuais, perfis genéticos e determinantes sociais de saúde. Ao considerar esses fatores, os médicos podem desenvolver planos de tratamento mais eficazes e melhorar os desfechos para o paciente.
  • Tratamento personalizado: as organizações de saúde poderiam oferecer aos pacientes acesso 24 horas a um assistente virtual que aprende com as interações com os pacientes. Esse sistema poderia responder perguntas com base no histórico médico, nas preferências e nas necessidades pessoais do paciente.
  • Educação do paciente: a IA pode tornar a educação mais acessível, envolvente e impactante, promovendo o envolvimento ativo do paciente em sua própria jornada de saúde.
  • Transparência de preços: dados e IA podem desempenhar um papel significativo para reduzir taxas e permitir comparações para que os pacientes possam tomar decisões informadas sobre seu tratamento.
  • Suporte ao seguro: ao analisar históricos médicos, a IA pode ajudar os pacientes a otimizarem a cobertura do seguro e ajudar as seguradoras a identificarem fraudes.
  • Previsão de populações em risco: a IA pode reunir uma ampla gama de dados sobre as condições genéticas, comportamentais e sociais de populações em risco e fazer previsões significativas para ajudar a prevenir doenças e salvar vidas.

 

Preparando o caminho para o futuro da IA por meio de dados

Hoje, a IA tem o potencial de reinventar e revigorar o setor de saúde em várias áreas. Na verdade, há uma inevitabilidade no papel cada vez mais difundido da IA nas operações de saúde.

No entanto, embora as oportunidades de causar um impacto positivo na vida dos pacientes continuem significativas, o setor também está cauteloso quanto ao uso da IA em decisões clínicas de alto risco. Mas já há uma aceitação crescente do uso da IA para incrementar as tarefas dos administradores, onde o risco de danos aos pacientes é relativamente baixo e há uma abundância de dados para treinar e validar algoritmos.

Para se preparar para este futuro, as organizações de saúde devem priorizar a organização de dados, DataOps e interoperabilidade. Por exemplo, para estarem prontos para a IA, os ativos de dados devem ser capazes de atender a várias vias de consumo, em vez de serem projetados apenas para um único aplicativo.

Para que os programas de IA sejam significativamente bem-sucedidos na área da saúde, deve-se prestar atenção a várias áreas, incluindo:

  • Adicionar rigor à análise estatística, modelagem e entrada de dados clínicos como parâmetros dos modelos
  • Empregar o envolvimento do usuário como um motivo de contribuição para a modelagem de pontuações de risco
  • Incorporar modelos de IA ou machine learning em fluxos de trabalho existentes

A Rackspace Technology está na vanguarda da introdução da IA em uma ampla faixa de setores por meio de uma gama crescente de serviços e suporte. Como parte de nosso compromisso de permanecer na vanguarda dos avanços tecnológicos, realizamos o abrangente "Relatório de pesquisa sobre IA e machine learning 2023". Nesse relatório, pesquisamos mais de 1.400 tomadores de decisão de TI de todo o mundo para obter insights sobre suas estratégias de adoção de IA. Entre os achados:

  • 69% dos entrevistados classificam IA/ML como uma alta prioridade, um aumento de 15 pontos percentuais em relação a 2022
  • 73% dos entrevistados dizem ter confiança nas respostas fornecidas pela IA ou pelo machine learning
  • Recrutar e reter talentos são os maiores obstáculos para otimizar o uso de IA/ML

 

Categorias de modelos de IA na área da saúde

Selecionar o modelo de IA apropriado para uma determinada situação é um desafio significativo no setor de saúde. Atualmente, existem quatro categorias principais de IA e modelos de machine learning usados na medicina:

  • Modelos supervisionados: esses modelos aprendem com padrões conhecidos usando dados de entrada rotulados para prever resultados. Uso comum: previsão de sepse em um ambiente de cuidados.
  • Modelos não supervisionados: esses modelos examinam os dados de entrada não rotulados e usam técnicas de agrupamento para identificar padrões ocultos. Uso comum: análise de "patients-like-me".
  • Modelos reforçados: esses modelos usam dados de entrada rotulados, interagem com novos dados e aprendem a desenvolver uma série de ações. Uso comum: quimioterapia, ensaios clínicos e esquemas de dosagem.
  • Modelos de fundação: como define Stanford HAI: o modelo de fundação é um "paradigma para a criação de sistemas de IA", no qual um modelo treinado em uma grande quantidade de dados não rotulados pode ser adaptado a muitos aplicativos. Os modelos de fundação são "projetados para serem adaptados (por exemplo, aperfeiçoados) a várias tarefas cognitivas posteriores por meio de pré-treinamento em dados amplos em escala".

 

Adote a abordagem FAIR da IA

As organizações de saúde podem se beneficiar de nossa experiência, práticas padronizadas de entrega, parcerias do setor, conjuntos de habilidades diversificadas e compromisso com a aceleração da adoção simbiótica, segura e sustentável de soluções de IA generativa por meio do Foundry for AI by Rackspace (FAIR™).

O FAIR ajuda você a acelerar a adoção de IA por meio de três ofertas de serviços distintas: Ideate, Incubate e Industrialize. Nosso objetivo é ajudar sua organização de saúde a atingir seus objetivos usando o poder da IA, de forma rápida e responsável. Você está pronto para saber como sua organização de saúde pode aproveitar o poder e o potencial de IA em constante expansão?

 

< entidade drupal data-align="left" data-embed-button="media_entity_embed" data-entity-embed-display="view_mode:media.full" data-entity-type="media" data-entity-uuid="ffc70d81-8bc0-42e9-b646-2faec089e354" data-langcode="en"> < /drupal-entity>

Aproveite o poder da IA de forma rápida e responsável com o Foundry for AI da Rackspace Technology (FAIR™). FAIR™ está na vanguarda da inovação global em IA, abrindo caminho para que as empresas acelerem a adoção responsável de soluções de IA. O FAIR se alinha com centenas de casos de uso de IA em uma ampla variedade de setores, ao mesmo tempo que permite a personalização por meio da criação de uma estratégia de IA sob medida que é aplicável às suas necessidades comerciais específicas. Capazes de implantação em qualquer plataforma de nuvem pública privada, híbrida ou de hiperescala, as soluções FAIR capacitam empresas em todo o mundo, indo além da transformação digital para desbloquear a criatividade, estimular a produtividade e abrir a porta para novas áreas de crescimento para nossos clientes.Siga a FAIR no LinkedIn.

Saber mais

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
Gen AI LP

Aproveite seu potencial transformador com o Foundry for Generative AI by Rackspace (FAIR™).

About the Authors

Suyash Bhogawar

AI Solution Architect

Suyash Bhogawar

Meet Suyash Bhogawar, a seasoned data science solutions architect with a strong focus on data engineering, MLOps and now Gen AI. With a wealth of experience in designing, developing, and deploying scalable data pipelines and cloud platform capabilities, Suyash is a valuable asset at Rackspace Technology. His expertise spans various domains, including healthcare, R&D, and life sciences. Proficient in Python, R, IaaC, and cloud platforms like AWS, Azure, and GCP, Suyash excels in delivering cutting-edge solutions to complex data challenges. He has demonstrated a passion for open-source initiatives and actively contributes to the development of standards in healthcare informatics, notably BIDS and other FAIR Data organizations. Suyash's unique blend of technical prowess and domain knowledge makes him an indispensable resource in driving innovation and transformation in the data science landscape.

Read more about Suyash Bhogawar

Related Topics

article
Dos dados ao painel: melhorando a visibilidade com a observabilidade full-stack
article
Copilotos de IA: como otimizar o desenvolvimento e a qualidade
article
Migração para nuvem: por que evitar o lift-and-shift