Inteligência artificial está ajudando médicos a enfrentar o burnout
Uma nova onda de startups de saúde está usando inteligência artificial para reduzir o estresse em profissionais da saúde
Mesmo antes da Covid-19, 40% dos médicos afirmavam que se sentiam esgotados. Mas a pandemia agravou o problema. Trabalhando com EPIs improvisados em UTIs superlotadas e com equipe reduzida, mais de 3,6 mil profissionais de saúde dos EUA morreram apenas no primeiro ano da pandemia.
Um relatório produzido no ano passado pela Association of American Medical Colleges (Associação Norte-Americana de Faculdades de Medicina) prevê uma escassez de 124 mil médicos até 2034, dentre eles, 48 mil de cuidados primários, especialidade que relata níveis mais altos de burnout.
A escassez de profissionais levará bastante tempo para ser solucionada. Porém, há quem acredite que a inteligência artificial (IA) pode ser usada para ajudar a aliviar ao máximo o estresse e o esgotamento entre médicos.
“Afinal, o que eles fazem é reconhecer padrões. E isso é o que a IA faz de melhor”, diz Farzad Soleimani, professor assistente de medicina de emergência na Baylor College of Medicine e sócio da 1984 Ventures, uma empresa de capital de risco com sede em São Francisco.
É claro que isso gera dúvidas. Pesquisa realizada pelo Medscape em abril de 2019 com 1,5 mil médicos na Europa, América Latina e EUA descobriu que a maioria se sentia desconfortável com a IA. Além disso, contar com algoritmos para o atendimento de pacientes levanta preocupações éticas, clínicas e legais.
A inteligência artificial pode resultar em ameaças à privacidade, erros médicos e esbarrar em questões éticas. No entanto, empresas de saúde que utilizam a tecnologia tiveram um recorde de US$ 12 bilhões em financiamento no ano passado, de acordo com a CB Insights.
Relatório produzido no ano passado prevê escassez de 124 mil médicos até 2034.
Abaixo, apresento alguns exemplos de como as empresas de tecnologia estão usando algoritmos de deep learning e processamento de linguagem natural para automatizar tarefas de rotina em hospitais, diminuir o tempo que os médicos gastam preenchendo papelada e reduzir os erros resultantes da fadiga.
AGILIZAR AVALIAÇÕES PRÉ-CONSULTA
A prevenção do burnout deve acontecer antes mesmo de os pacientes chegarem ao consultório ou hospital. A Health Note simplifica a entrada de pacientes por meio de um chatbot de inteligência artificial em texto que coleta informações antes da consulta e as reporta automaticamente para o médico, reduzindo o tempo gasto em até 90%, de acordo com a empresa.
A Decoded Health, por sua vez, oferece o que chama de “médico virtual”, que realiza uma pré-avaliação de pacientes, usando processamento de linguagem natural, para montar um resumo das queixas e recomendações de cuidados médicos.
Já a Keona Health se concentra em ajudar enfermeiros e outros funcionários a realizarem triagem por telefone, orientando-os na verificação de sintomas, oferecendo recomendações de cuidados e automatizando o agendamento de consultas.
AJUDAR NA TRIAGEM
Quando as emergências estão lotadas, as ferramentas de triagem de IA podem ajudar a identificar pacientes que precisam de cuidados intensivos, sinalizando os casos mais graves e priorizando-os para atendimento.
A prevenção do burnout deve acontecer antes mesmo de os pacientes chegarem ao consultório.
A primeira grande aplicação clínica das ferramentas de triagem de inteligência artificial foi na radiologia. Empresas como RapidAI, Viz.ai e Arterys têm aprovação da FDA (agência norte-americana que regula medicamentos, alimentos e equipamentos médicos) para utilizar algoritmos que detectam sinais de derrame, hemorragia cerebral e embolia pulmonar a partir de tomografias computadorizadas.
O OsteoDetect da Imagen, também aprovado pela FDA, analisa raios-X de pulso para detectar fraturas no rádio distal, uma das lesões mais comuns na articulação. A ferramenta de triagem em tempo real da Mednition, KATE, analisa os dados do prontuário eletrônico e os sinais vitais coletados na consulta para ajudar os enfermeiros das unidades de emergência a detectar sinais de alerta de sepse, que é responsável por mais de 50% das mortes hospitalares.
TRANSCREVER REGISTROS MÉDICOS
Um estudo recente descobriu que médicos gastam, em média, cerca de 16 minutos registrando as informações do paciente a cada visita. O DeepScribe é um assistente de voz que permite que o profissional realize a consulta normalmente enquanto a transcreve, extrai informações importantes e as atualiza automaticamente nas respectivas seções dos registros médicos.
GERENCIAR O PROCESSO DE COBRANÇA
De acordo com pesquisas recentes realizadas pela Healthcare Financial Management Association, cerca de 57% dos sistemas de saúde e hospitais nos EUA têm mais de 100 vagas operacionais (no setor de cobrança, de registro e agendamento) para preencher.
Os médicos gastam, em média, 16 minutos registrando as informações do paciente.
Outra pesquisa recente, da Change Healthcare, mostra que 78% dos líderes de saúde usam IA no “gerenciamento do ciclo de receita”. Espera-se que, até 2023, esse número chegue a 98%.
A Akasa fornece serviços usando um sistema de IA para ajudar hospitais e sistemas de saúde a automatizar a verificação do status de aprovação de planos de saúde, autorização prévia, elegibilidade e gerenciamento de recusas.
A Privia Health, por sua vez, oferece ferramentas de agendamento e cobrança para cerca de 3,3 mil médicos autônomos, usando processamento robótico – no qual a IA aprende um determinado processo através de um roteiro para lidar com tarefas repetitivas.
Além de contribuir para solucionar problemas gerados pela escassez de profissionais em áreas como radiologia, onde a IA provou ser altamente precisa, os algoritmos de atendimento clínico se tornarão cada vez mais poderosos, com “um aumento gradual na precisão e personalização do diagnóstico e tratamento”, aponta Mark Schuster, pediatra, reitor fundador e CEO da Kaiser Permanente Bernard J. Tyson School of Medicine.
Ainda assim, ele reconhece o perigo de que a IA possa reforçar preconceitos que já existem no sistema de saúde. “Reconhecemos que ainda há um risco grande de que certos vieses sejam incorporados às tecnologias de IA através de machine learning”, confirma Schuster.
