IA não é a única resposta

As escolas médicas dos Estados Unidos desenvolveram uma reputação como líderes mundiais em inovação científica e tecnológica, com instalações de última geração e um histórico de avanços clínicos inovadores. Mas será que a reputação corresponde à realidade?

No episódio, consertar cuidados de saúde Podcast gravado em 2023; cuidados médicos profundos O autor Eric Topol destacou um grande descuido na educação médica.

“É muito embaraçoso”, disse ele. “Se você olhar para 150 escolas médicas, nenhuma tem IA como parte de seu currículo básico.”

Um ano depois, a maioria das escolas médicas dos Estados Unidos respondeu incorporando a IA nos seus programas. No entanto, após uma inspeção mais detalhada, muitos dos cursos que combinam aplicações teóricas, considerações éticas e o uso de IA para agilizar tarefas cotidianas, como contabilidade, codificação e gráficos, são o que os futuros médicos precisam. treinamento. Para melhorar os cuidados médicos e salvar vidas.

A educação médica está falhando com pacientes e médicos

Em 1910, o reformador educacional Abraham Flexner publicou uma denúncia inovadora contra as escolas médicas americanas. Suas descobertas controversas revelaram graves deficiências na formação dos futuros médicos.

O Relatório Flexner levou ao fechamento de aproximadamente metade das escolas médicas do país e à reestruturação da educação médica, resultando na introdução de um currículo mais cientificamente rigoroso e clinicamente relevante. O objetivo de Flexner não era apenas padronizar o treinamento clínico, mas também prevenir milhares de mortes desnecessárias causadas por práticas médicas precárias.

Mais de um século depois, os cuidados de saúde americanos enfrentam uma oportunidade semelhante. Centenas de milhares de pessoas morrem todos os anos de doenças crónicas, na sua maioria evitáveis, de erros de diagnóstico, de erros médicos e de falta de investigação.

Tendo pesquisado e escrito extensivamente sobre o futuro da IA ​​generativa nos cuidados de saúde, acredito que esta tecnologia tem o potencial de revolucionar os cuidados de saúde. No entanto, isto só acontecerá se as escolas médicas redesenharem fundamentalmente os seus currículos e ensinarem os alunos a utilizar a GenAI para melhorar fundamentalmente as práticas e processos médicos.

Agora é a hora de reformar a educação médica. Aqui estão três oportunidades impulsionadas pela GenAI que os alunos devem dominar para melhorar os resultados clínicos e salvar vidas de pacientes.

1. Gestão de doenças crónicas: De temporária a contínua

A educação médica tradicional concentrava-se em que os alunos memorizassem dezenas de milhares de fatos e trabalhassem com “algoritmos” de diagnóstico e tratamento de memória.

Quando se formarem, espera-se que os médicos apliquem esses fatos e algoritmos memorizados para ajudar os pacientes a controlar doenças crônicas e prevenir complicações. Os médicos aprendem os protocolos a seguir, incluindo os medicamentos a serem prescritos, as modificações recomendadas no estilo de vida e um cronograma para visitas regulares de acompanhamento em 3 a 4 meses.

O problema com esta abordagem episódica “padrão” é que o médico não obtém quaisquer dados acionáveis ​​durante a consulta. Sem monitoramento contínuo, questões como:

• Demora no ajuste dos medicamentos.
• Adesão inconsistente ao plano de tratamento.
• A doença é mal controlada e passa despercebida até a próxima consulta.

Hoje, doenças crónicas como a diabetes e a hipertensão arterial afectam 6 em cada 10 americanos e são responsáveis ​​por 1,7 milhões de mortes americanas todos os anos devido a ataques cardíacos, acidentes vasculares cerebrais, cancro e outras complicações.

Estas mortes estão diretamente relacionadas com a falta de prevenção e gestão eficaz da doença. Hoje, a hipertensão arterial é a principal causa de acidente vascular cerebral, mas apenas 55% dos casos são adequadamente controlados. A diabetes, principal causa de insuficiência renal e principal causa de doenças cardiovasculares, está ainda menos controlada. Taxas de controle de 90% ou mais são possíveis usando as melhores práticas, mas sabemos que isso não é possível com as abordagens atuais.

De acordo com o CDC, 30% a 50% das complicações potencialmente fatais decorrentes de doenças crónicas podem ser evitadas com uma gestão eficaz. Ensinar aos estudantes de medicina como usar a IA generativa para monitoramento contínuo, em vez de episódico, melhorará fundamentalmente a saúde dos pacientes e da nação como um todo.

Os médicos hoje têm acesso a monitores vestíveis que podem medir a pressão arterial e os níveis de açúcar no sangue. Quando ligadas à GenAI, estas ferramentas podem analisar de forma fiável os dados de saúde dos pacientes e fornecer aconselhamento médico com base nas expectativas definidas pelos médicos.

Essa combinação elimina a necessidade de os pacientes adivinharem se precisam consultar um médico. eles sabem. E essa experiência permite aos médicos intervir rapidamente quando surgem problemas, ao mesmo tempo que reduz as visitas hospitalares desnecessárias quando as condições crónicas são bem geridas.

Com base nos dados do CDC, a formação bem sucedida da próxima geração de médicos para monitorizar e gerir eficazmente doenças crónicas salvaria cerca de 510.000 a 850.000 vidas todos os anos e geraria 163 mil milhões de dólares em despesas de saúde anualmente.

2. Diagnóstico: Do ​​viés de confirmação às constantes segundas opiniões

Nas aulas e nos rodízios clínicos, os estudantes de medicina ainda são ensinados a confiar na memória para estabelecer diagnósticos e recomendar tratamentos ideais.

Freqüentemente, no ambiente clínico movimentado, somos vítimas de preconceitos cognitivos humanos e erros não intencionais ocorrem com frequência. Todos os anos, 400.000 americanos morrem devido a erros de diagnóstico.

Os médicos americanos são inteligentes, qualificados e dedicados aos seus pacientes. O erro ainda ocorre. A GenAI dá aos médicos a oportunidade de verificar novamente as suas suposições e reduzir o risco de erros, tudo sem custos adicionais.

A IA pode analisar grandes quantidades de dados de pacientes, incluindo sintomas, histórico médico e resultados de testes de diagnóstico. Além disso, erros cognitivos como confirmação, excesso de confiança e viés de proximidade não ocorrem em aplicativos de computador. Embora o GenAI não seja perfeito, a tecnologia serve como um complemento valioso à análise humana. Ele também pode comparar os dados dos pacientes com um banco de dados grande e abrangente de doenças e condições conhecidas, identificando diagnósticos que os médicos podem ter perdido.

Já demonstrou grande potencial para reduzir erros de diagnóstico na sala de emergência. Um estudo recente avaliou a capacidade da IA ​​para fazer a triagem de pacientes e descobriu que a IA teve um desempenho tão bom quanto o de médicos e enfermeiros e identificou com precisão pacientes de alto risco. O segundo estudo avaliou a precisão do diagnóstico da IA ​​com base nos sintomas dos pacientes e nos resultados dos testes, e descobriu que a IA provou consistentemente ser mais precisa do que os médicos na identificação precisa de diagnósticos prováveis.

E a tecnologia está apenas evoluindo. Os especialistas prevêem que, quando os estudantes de medicina atualmente matriculados terminarem os seus programas de bolsa, dentro de 10 anos, a IA generativa será 1.000 vezes mais poderosa.

3. Pesquisa: Das hipóteses humanas à mineração de dados

A investigação clínica é a espinha dorsal do progresso médico, fornecendo aos médicos as informações de que necessitam para melhorar os resultados de saúde e salvar vidas. Na escola, os médicos aprendem a projetar estudos de pesquisa, analisar dados e escrever artigos para periódicos.

Ao criar estudos, os pesquisadores de hoje fazem perguntas clínicas, extraem informações de registros médicos e realizam análises estatísticas. A disponibilidade do GenAI oferece uma oportunidade de fazer engenharia reversa dessa abordagem tradicional.

Usando o GenAI, os médicos agora podem analisar grandes quantidades de dados gerados por monitores de cabeceira, robôs cirúrgicos e outras fontes digitais. Atualmente, os hospitais dos EUA criam 50 petabytes de dados por ano, 97% dos quais permanecem não utilizados. Estes são dados equivalentes a todo o conjunto de trabalhos publicados por humanos em todas as línguas ao longo da história. Atualmente, todos esses dados são omitidos dos estudos clínicos. Seu grande volume supera a capacidade dos pesquisadores de analisar os padrões incorporados neles, tornando impossível separar o sinal do ruído.

Ao analisar estes dados utilizando modelos GenAI, os médicos podem avançar o conhecimento médico muito mais rapidamente do que é atualmente possível. Esta tecnologia ajuda os médicos a prever com precisão quais pacientes hospitalizados irão piorar nas próximas 24 horas e a tomar medidas preventivas. Isto permite que os oncologistas determinem a dose ideal de quimioterapia com menos complicações. Isso permite que os cirurgiões identifiquem a melhor técnica cirúrgica para remover o câncer. Ao aproveitar o GenAI para analisar dados, você pode responder rapidamente a perguntas que, de outra forma, levariam anos para serem respondidas.

Imagine se investigadores de dezenas de instituições académicas concordassem em reunir e partilhar a sua monitorização e dados de pacientes. Essa riqueza de informações permite que dezenas de pesquisadores acessem e aprendam simultaneamente com esses dados. Esses cientistas percebem que, em vez de fazer perguntas restritas e específicas e ter que encontrar informações clínicas para respondê-las, eles podem abordar questões maiores e avançar a prática clínica em uma fração do tempo.

Esta abordagem de pré-carregar grandes quantidades de dados e pedir à tecnologia para os organizar e analisar reflete a forma como as ferramentas GenAI são concebidas e é um afastamento fundamental das práticas tradicionais de investigação.

Mas antes que isto possa acontecer, os médicos-investigadores precisam de ser treinados em novos métodos de análise de dados e equipados com ferramentas interpessoais para melhorar a colaboração e a cooperação. Essas habilidades, muitas vezes ensinadas em escolas de negócios, são facilmente transferíveis para estudantes de medicina.

A próxima era da medicina está chegando e é claro que é necessária ação. Os centros médicos académicos não devem apenas incorporar a IA generativa no seu currículo básico. Devemos também ensinar à próxima geração de médicos como utilizar esta tecnologia para melhorar fundamentalmente a gestão de doenças crónicas, a precisão do diagnóstico, a investigação clínica e dezenas de outros processos médicos obsoletos. Com as aulas programadas para começar neste outono, agora é a hora de agir.