Na área de saúde, inteligência artificial ainda tem muito a avançar

O Instituto Alan Turing, do Reino Unido, investigou como a inteligência artificial (IA) contribuiu na busca por soluções durante a pandemia de Covid-19. As conclusões mostram que houve pouco impacto dessa tecnologia para o desenvolvimento de remédios e vacinas capazes de tratar e prevenir infecções pelo coronavírus.

Dois grupos de pesquisadores revisaram centenas de estudos e descobriram que quase todas as ferramentas de IA para detectar os sintomas do Covid-19 falharam. O editor do relatório, o médico e pesquisador Bilal Mateen, afirmou ter encontrado “muitos problemas” nos resultados apresentados em projetos de IA contra a pandemia.

“Não podemos pegar paradigmas e modelos utilizados para desenvolver ferramentas de IA que funcionaram em serviços para o consumidor e entretenimento e apenas transferi-los para o espaço clínico”, avalia Visar Berisha, professor associado da Arizona State University.

Ainda assim, a inteligência artificial é vista como uma ferramenta fundamental para o avanço da ciência médica: os algoritmos são efetivos na análise de amostras e na elaboração de cenários futuros – o desafio, em muitos casos, está na elaboração de bancos de dados robustos o suficiente para que essas análises ofereçam respostas adequadas à complexidade social em que vivemos.

“A evolução de novas tecnologias pode encontrar percalços. Mas a persistência, com respeito aos padrões éticos e metodológicos, é o caminho para resultados que efetivamente contribuam com o desenvolvimento da sociedade”, prevê Arie Halpern, especialista em tecnologias disruptivas.

Muita “inteligência”, pouca diversidade

Estudos com amostras de dados anteriores à pandemia mostraram que os algoritmos podem ser extremamente precisos em tarefas específicas, como encontrar câncer de pele ou prever resultados de alguns exames e tratamentos. Atualmente, alguns algoritmos foram incorporados à análise de diagnósticos de derrame e de doenças oculares. Há modelos capazes de analisar imagens de eletroencefalogramas e diagnosticar, precocemente, demência.

Porém, outras aplicações para diagnóstico e tratamento com IA não progrediram. Alguns algoritmos de saúde em uso provaram ser pouco confiáveis ​​ou tendenciosos quando relacionados a certos grupos demográficos. Para os pesquisadores, isso ocorre porque os dados de saúde – como exames de imagens, sinais vitais e dados de dispositivos de monitoramento – podem variar por motivos não relacionados a uma condição de saúde específica, como estilo de vida, por exemplo.

Os algoritmos de IA popularizados pela indústria são tão bons em encontrar padrões que podem descobrir atalhos para encontrar respostas aparentemente “corretas”, mas que não funcionarão no mundo real. Ou seja, é preciso melhor e ampliar a base de dados clínicos disponíveis para o desenvolvimento dos algoritmos.

O acesso a dados de saúde esbarra em uma série de desafios, pois a preocupação com privacidade é uma constante nesse segmento. Além disso, a desigualdade de acesso de grupos étnicos mais vulneráveis a serviços de saúde complexos, como diagnósticos por imagem, também prejudica a composição dos bancos de dados. Há pouca informação e pouca diversidade em muitos casos. Segundo os pesquisadores, o avanço tecnológico estará intimamente relacionado a outros avanços – especialmente na esfera social.