Por Onicio B. Leal Neto. PhD em Saúde Pública e Epidemiologia pela FIOCRUZ, pesquisador Sênior do Departamento de Ciência Da Computação, ETH Zurich e Faculty SingularityU Brazil.
A evolução da inteligência artificial está transformando a maneira como lidamos com questões de saúde há mais de uma década. Porém com a popularização da Generative AIs e Large Language Models, materializadas no exemplo mais famoso ChatGPT, é importante entendermos o potencial e velocidade das próximas etapas que a transformação digital em saúde trará à sociedade.
Um estudo recente publicado na JAMA Internal Medicine trouxe à tona um debate fascinante sobre o uso de chatbots, ou assistentes virtuais, na prestação de cuidados médicos. O estudo, intitulado “Comparison of Physician and Chatbot Responses for an Urgent Primary Care Scenario,” comparou as respostas fornecidas por médicos reais e chatbots, evidenciando a crescente relevância da inteligência artificial no contexto da assistência médica.
Neste estudo, pesquisadores compararam a capacidade dos chatbots em prover informações sobre saúde avaliando a qualidade e empatia das respostas para com os pacientes, comparando suas respostas com as de médicos reais. Os resultados são surpreendentes e desafiam a percepção convencional sobre o papel dos profissionais de saúde no atendimento ao paciente.
Os chatbots utilizados na pesquisa, alimentados por modelos de linguagem avançados, como o ChatGPT, demonstraram um desempenho superior aos médicos em relação a qualidade e empatia das respostas. Mais especificamente, os resultados quando avaliando a qualidade das respostas em “bom” ou “muito bom” foram 3,6 vezes maiores nos chatbots em relação aos médicos. E mais surpreendentemente, quando avaliada a qualidade da empatia, as respostas “empático” e “muito empático” foram 9,8 vezes maiores para o chatbot em relação aos médicos. Essa descoberta levanta uma série de questões interessantes sobre o futuro da assistência médica e o potencial impacto dos chatbots na prática clínica.
Ao explorar a utilização de chatbots na saúde, é importante considerar os benefícios que eles podem proporcionar. Os assistentes virtuais são capazes de fornecer orientações preliminares, responder a perguntas comuns, auxiliar na triagem de sintomas e até mesmo encaminhar casos mais complexos para médicos especialistas. Essa abordagem baseada em inteligência artificial pode agilizar o atendimento, aumentar a acessibilidade aos serviços de saúde e ajudar a aliviar a sobrecarga enfrentada pelos profissionais de saúde.
Achados como este evidenciam a necessidade cada vez maior de pensarmos nos conceitos de AI for Patients ao invés do foco excessivo em AI for Doctors. A área da saúde tem sido beneficiada há alguns anos pelo avanço das técnicas de Deep Learning, mais especificamente a utilização das abordagens de Recurrent Neural Networks (RNNs) e Convolutional Neural Networks (CNNs). Dois exemplos clássicos de aplicação destas que podem ser citados respectivamente são as análises de prontuários eletrônicos via RNN para descoberta de padrões e predição de desfechos clínicos futuros. E ainda a aplicação de CNNs para investigação de padrões em exames de imagens ou histopatológicos. Porém, o aprimoramento das técnicas de processamento de linguagem natural precisa ser fortalecido para a interação com o paciente, e o momento presente das LLMs e Generative AIs vão fornecer importantes aspectos para isso.
Expandindo um pouco mais o impacto que estas tecnologias podem ter na saúde pública, descreveremos abaixo quatro tópicos que merecem atenção sobre como LLMs trarão impactos relevantes num horizonte de curto prazo:
- O papel das LLM na Saúde Única (OneHealth)
A Saúde Única ou One Health é um conceito que reconhece a interconexão entre a saúde humana, animal e ambiental. A LLM pode ajudar a promover essa abordagem integrada, fornecendo insights valiosos para epidemiologistas e profissionais de saúde pública. Com a capacidade de analisar grandes volumes de dados, a LLM pode identificar padrões e correlações entre doenças humanas, doenças animais e fatores ambientais. Essas informações são cruciais para melhorar a vigilância epidemiológica, prevenir surtos de doenças e desenvolver estratégias de saúde pública mais abrangentes e eficazes.
2. Abordando os determinantes sociais da saúde
Os determinantes sociais da saúde desempenham um papel fundamental na compreensão das disparidades de saúde em uma população. A LLM pode ajudar a identificar e analisar esses determinantes, como acesso a serviços de saúde, nível de educação, renda e condições de moradia. Ao coletar e analisar dados provenientes de diversas fontes, incluindo mídias sociais, registros de saúde eletrônicos e dados demográficos, a LLM pode fornecer uma visão mais abrangente desses fatores e auxiliar na formulação de políticas públicas mais direcionadas. Dessa forma, a LLM pode contribuir para reduzir as desigualdades em saúde e promover uma abordagem mais equitativa.
3. Saúde Pública de precisão com dados de tecnologias vestíveis
A popularidade das tecnologias wearables, como smartwatches e dispositivos de monitoramento de atividades físicas, tem crescido rapidamente. Esses dispositivos coletam uma variedade de dados relacionados à saúde, como frequência cardíaca, qualidade do sono, níveis de atividade física e até mesmo dados ambientais. A LLM pode aproveitar esses dados para fornecer insights personalizados e em tempo real sobre a saúde de indivíduos e populações. Essas informações podem ser usadas para monitorar e prever doenças, identificar tendências de saúde e oferecer intervenções personalizadas. Com a combinação de tecnologias wearables e LLM, podemos alcançar uma saúde pública de precisão, adaptada às necessidades individuais e coletivas.
4. Continuação da transformação digital da saúde com LLMs
A transformação digital da saúde tem sido impulsionada pelos LLMs, que desempenham um papel fundamental na melhoria dos sistemas de saúde. Esses modelos de linguagem podem ser integrados a plataformas digitais, permitindo o acesso rápido a informações médicas confiáveis e personalizadas. Além disso, os LLMs automatizam tarefas rotineiras, como agendamento de consultas e triagem de sintomas, e facilitam a tomada de decisões baseadas em evidências. A incorporação dos LLMs nos sistemas de saúde promove a eficácia, a agilidade e a equidade no acesso aos serviços de saúde. No Brasil, há vários anos a implementação da transformação digital em saúde liderada pelo setor privado com excelentes exemplos na área de saúde baseada em valor tem sido observada. Entretanto, com a criação da Secretaria Executiva de Saúde Digital do atual governo, por oferecer um arcabouço e ecossistema favorável, parece que veremos uma maior velocidade desta transformação digital no setor público.
Em resumo, a revolução da saúde pública digital, impulsionada pelos LLMs e Generative AIs, está transformando a forma como abordamos questões de saúde. A capacidade dessas tecnologias de fornecer respostas de alta qualidade e empatia, além de seu papel na análise de grandes volumes de dados, na saúde única, na abordagem dos determinantes sociais da saúde e na promoção da saúde pública de precisão, promete um futuro promissor para a assistência médica. No entanto, é fundamental avaliar cuidadosamente as aplicações e limitações dessas tecnologias, garantindo sempre que elas estejam em harmonia com o cuidado humano e os melhores interesses dos pacientes.
