Radiologia Brasileira - Publicação Científica Oficial do Colégio Brasileiro de Radiologia

Conceitos enviesados na indústria de tecnologia da saúde que retardam a tradução da inteligência artificial em ferramentas clínicas relevantes

Autho(rs): Fabíola Macruz

Texto em Português English Text

Descritores: Inteligência artificial/provisão & distribuição; Indústrias/organização & administração; Software/tendências; Assistência à saúde/tendências; Diagnóstico por computador/tendências.

Keywords: Artificial intelligence/supply & distribution; Industry/organization & administration; Software/trends; Delivery of health care/trends; Diagnosis, computer-assisted/trends.

Resumo:
Há uma grande expectativa de que a inteligência artificial (IA), ao transformar a medicina, determine melhoras relevantes em todas as áreas da assistência médica, desde o diagnóstico até o tratamento. Simultaneamente, há evidências de que algoritmos baseados em IA já ultrapassaram o desempenho do ser humano em diversas atividades, como, por exemplo, na análise de imagens médicas ou na associação entre sintomas e biomarcadores com o diagnóstico e prognóstico de doenças. No entanto, a defasagem entre o potencial de desempenho das ferramentas ou aplicativos médicos que utilizam IA e sua relevância clínica prejudica bastante a utilização em larga escala desses programas de computadores. Neste artigo, três conceitos básicos da indústria de tecnologia da saúde são sugeridos como possíveis fatores causais para essa dissincronia entre desempenho e utilidade. Tal discussão pode servir como ponto de partida para uma avaliação mais profunda sobre a estrutura e status quo da indústria médica tecnológica atual.

Abstract:
There is great optimism that artificial intelligence (AI), as it disrupts the medical world, will provide considerable improvements in all areas of health care, from diagnosis to treatment. In addition, there is considerable evidence that AI algorithms have surpassed human performance in various tasks, such as analyzing medical images, as well as correlating symptoms and biomarkers with the diagnosis and prognosis of diseases. However, the mismatch between the performance of AI-based software and its clinical usefulness is still a major obstacle to its widespread acceptance and use by the medical community. In this article, three fundamental concepts observed in the health technology industry are highlighted as possible causative factors for this gap and might serve as a starting point for further evaluation of the structure of AI companies and of the status quo.

Back Top Print