Intelligent Machines fazer um trabalho melhor do que os humanos no diagnóstico médico

Até agora, a medicina tem sido um prestigioso e frequentemente extremamente lucrativo escolha de carreira. Mas, no futuro próximo, teremos como muitos médicos como nós temos agora? Será que vamos ver o desemprego médica significativa na próxima década?

Dr. Saxon Smith, presidente da filial australiana da Associação Médica de NSW, disse em um relatório no final do ano passado que as preocupações mais comuns que ele ouve de médicos em treinamento estudantes de medicina e são, "o que é o futuro da medicina?" e "será que eu tenho um emprego?". As respostas, ele disse, continuam a iludi-lo.

Como as universidades australianas, britânicas e americanas continuam a graduar um número crescente de estudantes de medicina, a questão óbvia é onde esses novos médicos trabalharão no futuro?

Haverá um papel expandido para os profissionais médicos devido às nossas populações em envelhecimento? Ou é a pressão para reduzir custos e melhorar os resultados prováveis ​​para forçar a adoção de novas tecnologias, o que irá, em seguida, provavelmente corroer o número de funções actualmente desempenhadas por médicos?

Dirigindo abaixo dos custos

Todos os governos, os pacientes e médicos de todo o mundo saber que os custos de saúde terão de reduzir se quisermos tratar mais pessoas. Alguns propõem que os pacientes paguem mais, mas, por mais que paguemos, fica claro que reduzir o custo é o que precisa acontecer.


innerself assinar gráfico


O uso de robôs médicos cirurgiões para auxiliar humanos está se tornando mais difundido, mas, até agora, eles estão sendo usados ​​para tentar melhorar os resultados dos pacientes e não para reduzir o custo da cirurgia. A redução de custos pode ocorrer mais tarde quando essa tecnologia robótica amadurecer.

É na área de diagnósticos médicos, onde muitas pessoas vêem uma possível redução significativa de custos, melhorando a precisão usando tecnologia em vez de médicos humanos.

Já é comum para exames de sangue e teste genético (genômica) para ser executada automaticamente e muito custo eficaz por máquinas. Eles analisam a amostra de sangue e produzir automaticamente um relatório.

Os testes podem ser tão simples como um nível de hemoglobina (hemograma) através de testes de diabetes, como níveis de insulina ou glicose. Eles também podem ser usados ​​para testes muito mais complicados, como olhar para a composição genética de uma pessoa.

Um bom exemplo é Thyrocare Technologies Ltd, em Mumbai, na Índia, onde mais de testes de diagnóstico 100,000 de todo o país são feitas todas as noites, e os relatórios entregues dentro de 24 horas de sangue sendo retirado de um paciente.

Máquinas vs humanos

Se as máquinas podem ler exames de sangue, o que mais eles podem fazer? Embora muitos médicos não gostem desse pensamento, qualquer teste que requeira reconhecimento de padrões será feito melhor máquina do que um ser humano.

Muitas doenças precisa de um diagnóstico patológico, onde um médico olha para uma amostra de sangue ou de tecido, para estabelecer a doença exacta: um teste de sangue para diagnosticar uma infecção, uma biópsia da pele para determinar se uma lesão é um cancro ou não, e uma amostra de tecido feita por um cirurgião olhando para fazer um diagnóstico.

Todos esses exemplos, e na verdade todos os diagnósticos patológicos são feitos por um médico usando reconhecimento de padrões para determinar o diagnóstico.

técnicas de inteligência artificial utilizando redes neurais profundas, que são um tipo de aprendizagem de máquina, pode ser usado para treinar essas máquinas de diagnóstico. Máquinas de aprender rápido e nós não estamos falando de uma única máquina, mas uma rede de máquinas ligadas globalmente através da internet, utilizando os seus dados agrupados de continuar a melhorar.

Isso não vai acontecer durante a noite - que vai demorar algum tempo para aprender - mas uma vez treinados a máquina só vai continuar a melhorar. Com o tempo, uma máquina adequadamente treinado será superior em reconhecimento de padrões que qualquer ser humano jamais poderia ser.

Patologia Agora é uma questão de laboratórios de vários milhões de dólares que dependem de economias de escala. Demora cerca de 15 anos a partir de sair do ensino médio para treinar um patologista para funcionar de forma independente. Provavelmente, são precisos outros anos 15 para o patologista ser tão bom quanto eles jamais serão.

Alguns anos depois, eles se aposentarão e todo esse conhecimento e experiência serão perdidos. Certamente, seria melhor se esse conhecimento pudesse ser capturado e usado pelas futuras gerações? Um patologista robótico seria capaz de fazer exatamente isso.

Radiologia, raios X e além

exames radiológicos representam mais AUS $ 2 bilhões do Medicare gastos anuais. Em um relatório 2013, estimou-se que, no período 2014-15, Investigações radiológicas 33,600,000 seria realizado na Austrália. Um radiologista teria que estudar cada um deles e escrever um relatório.

Os radiologistas já estão lendo, em média, mais de sete vezes o número de estudos por dia do que há cinco anos. Esses relatórios, como aqueles escritos por patologistas, são baseados no reconhecimento de padrões.

Atualmente, muitos exames radiológicos realizados na Austrália estão sendo lidos por radiologistas de outros países, como o Reino Unido. Em vez de ter um especialista na Austrália para sair da cama no 3am para ler uma tomografia cerebral de um paciente ferido, a imagem pode ser enviada digitalmente a um médico em qualquer fuso horário apropriado e ser reportada quase instantaneamente.

E se as máquinas fossem ensinadas a ler radiografias trabalhando primeiro com radiologistas humanos? Nós ainda precisaríamos de humanos radiologistas? Provavelmente. Melhoria da imagem, como ressonância magnética e tomografia computadorizada, permitirá radiologistas executar alguns procedimentos que os cirurgiões agora realizar.

O campo da radiologia diagnóstica está se expandindo rapidamente. Nesse campo, os radiologistas são capazes de diagnosticar e tratar condições como sangramento de vasos sanguíneos. Isso é feito usando técnicas minimamente invasivas, passando fios através de vasos maiores para atingir o ponto de sangramento.

Por isso, os radiologistas podem acabar fazendo procedimentos que são actualmente feitos por vascular e cirurgiões cardíacos. O aumento da utilização da cirurgia robótica vai dizer isso é mais provável que não.

Há muito mais a diagnóstico de uma lesão de pele, Erupção cutânea ou crescimento do que simplesmente olhando para ele. Mas a maior parte do diagnóstico baseia-se no reconhecimento dermatologista a lesão (mais uma vez, o reconhecimento de padrões).

Se o diagnóstico continua a ser pouco clara, em seguida, alguns tecidos (uma biopsia) é enviada para o laboratório para um diagnóstico patológico. Já estabelecemos que uma máquina pode ler o último. O mesmo princípio aplica-se para o reconhecimento da lesão da pele.

Uma vez reconhecida e aprendida, a lesão poderá ser reconhecida novamente. Telefones celulares com câmeras de alta qualidade poderão se conectar a um banco de dados global que, como qualquer outro banco de dados com capacidade de aprendizado, continuará melhorando.

Não é se, mas quando

Essas mudanças não acontecerão da noite para o dia, mas são inevitáveis. Embora muitos médicos vejam essas mudanças como uma ameaça, a chance de um bem global é sem precedentes.

Uma radiografia tirada na África equatorial poderia ser lida com a mesma confiabilidade de uma tomada em um centro australiano de excelência. Uma erupção infecciosa poderia ser enviada para um telefone e o diagnóstico dado instantaneamente. Muitas vidas serão salvas e o custo dos cuidados de saúde para os pobres do mundo pode ser mínimo e, em muitos casos, livre.

Para que isto se torne uma realidade, vai demorar especialistas para trabalhar com máquinas e ajudá-los a aprender. Inicialmente, as máquinas podem ser convidados a fazer testes mais simples, mas aos poucos eles vão ser ensinados, assim como os seres humanos aprendem mais coisas na vida.

A profissão médica deve aproveitar estas oportunidades para a mudança, e nossos futuros jovens médicos devem pensar cuidadosamente onde os empregos médicos do futuro vou mentir. É quase certo que a paisagem de trabalho médico em 15 anos não será parecido com o que vemos hoje.

Sobre o autorA Conversação

Ross Crawford, Professor de Pesquisa Ortopédica, Universidade de Tecnologia de Queensland; Anjali Jaiprakash, pesquisador de pós-doutorado, robótica médica, Universidade de Tecnologia de Queensland e Jonathan Roberts, professor de robótica, Universidade de Tecnologia de Queensland

Este artigo foi originalmente publicado em A Conversação. Leia o artigo original.

Livro relacionados:

at