Em 2020, o mercado de IA de saúde atingiu US$ 4,2 bilhões e, de 2021 a 2027, os especialistas esperam que ele cresça 33,7% ao ano atingindo US$ 34,5 bilhões até o final do período.

Quanto ao segmento de imagens médicas (estimado pela agência analítica Signify Research), sua participação é de US$ 0,3 bilhão hoje com previsão de atingir US$ 1,15 bilhão até 2025 com um CAGR de 25,6%.

A NtechLab está conduzindo uma nova direção em imagens médicas, por isso entrevistamos especialistas na área de saúde e identificamos os benefícios potenciais e os desafios atuais para uma adoção mais ampla da IA.

O que impede as soluções inteligentes na área real da saúde?

Muitos desenvolvedores líderes de IA já estão criando soluções inovadoras para diagnósticos médicos, como visão computacional para sistemas de suporte à decisão clínica. Temos certeza, que as soluções de imagens médicas devem estabelecer um nicho essencial, mas existem alguns obstáculos no caminho de encontrar uma aceitação mais ampla nas instalações de saúde:

Armazenamento descentralizado

As instituições médicas geralmente armazenam os dados dos pacientes em seus sistemas locais, e o armazenamento centralizado para todo o histórico médico de todos os pacientes está apenas começando a ganhar força. Ao coletar big data e analisá-lo, será possível controlar e melhorar a qualidade dos diagnósticos e previsões.

Conformidade às normas e exigências

Os Regulamentos Gerais de Proteção de Dados não explicam claramente a relação entre o desenvolvedor e a equipe médica. A falta de mecanismos legais transparentes está atrasando a adoção mais ampla da IA ​​em imagens médicas.

Outro problema é o longo procedimento para registrar soluções de IA como dispositivos médicos. Antes de usar na prática médica, o produto deve ser registrado e, para isso, é necessário coletar uma grande quantidade de documentação, passar por testes técnicos e clínicos. Atualmente, o procedimento de registro de dispositivos médicos está sendo harmonizado no grupo de países da UEE. Espera-se que a adoção de novas normas prolongue ainda mais o processo de trazer inovações para o mercado de saúde.

Dificuldades em organizar o consenso de especialistas

Precisa mais de um médico para treinar redes neurais durante o desenvolvimento de uma solução de Sistema de Suporte à Decisão Clínica. São necessários pelo menos dois especialistas para interpretar e marcar os estudos diagnósticos iniciais, que são a base para o desenvolvimento da tecnologia. Quanto mais diversos estudos de diagnóstico marcados um desenvolvedor tiver acesso, melhor será a tecnologia.

Conservadorismo

A relutância da comunidade médica em aceitar um novo produto é normal. A única coisa que ajudará a superar o problema é o aumento de casos de uso práticos bem-sucedidos confirmando a eficácia de tais soluções inovadoras.

As taxas gerais de erros de diagnóstico na prática real é desconhecida, mas uma estimativa comumente citada com base na opinião de especialistas é que 10 a 15% de todos os diagnósticos prestados estão incorretos.

Como a inteligência artificial ajuda os médicos

Diagnóstico Pré-Médico

Aplicativos móveis para automonitoramento rápido, rastreadores de sono e saúde ajudam você a levar um estilo de vida saudável e detectar desvios leves e significativos da norma sem ter que visitar um médico.

Diagnóstico

O Sistema de Suporte à Decisão Clínica pode ajudar a melhorar a qualidade do diagnóstico, destacando automaticamente áreas com patologias em imagens e calculando parâmetros para fazer um diagnóstico. Em um cenário de caso perfeito, os algoritmos seriam capazes de gerar um relatório médico pré-preenchido usando uma variedade de casos semelhantes. Nesse caso, o médico aprovará ou reprovará o laudo médico e, assim, economizará tempo.

Além disso, as instituições médicas podem usar a IA para exames, medicina de precisão e avaliação de risco. As ferramentas analíticas podem ajudar os médicos a avaliar a genética, o ambiente e o estilo de vida de uma pessoa para selecionar o tratamento mais apropriado.

O diagnóstico automatizado também pode ser aplicado a indivíduos que participam de ensaios clínicos de novos medicamentos para entender sua condição física.

Verificações automatizadas da qualidade dos diagnósticos, tanto em instituições médicas individuais quanto no nível da regulamentação estadual de saúde, permitirão revisar e analisar registros médicos de doenças e identificar imprecisões.

Tratamento

Atualmente, os médicos calculam os parâmetros das cirurgias manualmente sem software especial. Soluções baseadas em IA permitem que isso seja feito automaticamente, o que permite evitar erros e transferir os pacientes para o centro cirúrgico mais rapidamente.

Monitoramento

O acompanhamento do paciente durante o período de reabilitação pode ajudar a prevenir o retorno da doença. Nesses casos, os médicos podem analisar big data para detectar recaídas.

Tais soluções são usadas, entre outras coisas, para monitoramento de saúde domiciliar. Um tonômetro conectado a um aplicativo móvel é capaz de transmitir rapidamente informações sobre o estado de saúde de um paciente que já fez tratamento e é encaminhado para casa.

Nas instituições médicas, é possível monitorar as ações de enfermeiros e médicos, o que, por sua vez, pode ajudar a manter os horários de visitas dos pacientes. A análise de vídeo baseada em IA detectar se o paciente recebeu ou não o medicamento certo na hora certa.

Previsão

Com base na análise de big data, as autoridades de saúde podem prever e controlar a propagação de vírus ou o curso de doenças.

O processamento de vários dados do paciente pode prever o curso da doença e, por meio do processamento do banco de dados clínico, fornecer recomendações sobre um possível curso de tratamento. Em todos esses casos, o próprio médico toma a decisão, mas tem a oportunidade de confiar nas previsões e recomendações do Sistema de Suporte à Decisão Clínica.

Quem será o vencedor?

  • A saúde é uma das poucas áreas em que até o menor erro pode ser crítico. Tanto pessoas saudáveis quanto pacientes hospitalares podem receber diagnósticos, prescrições e recomendações médicas precisas.
  • Os médicos são, antes de tudo, pessoas, e as pessoas podem estar distraídas ou cansadas. Enquanto tomam a decisão final, eles precisam de soluções de diagnóstico automatizadas que possam ajudá-los a identificar doenças mais rapidamente, promovendo a intervenção precoce.
  • Os pesquisadores precisam processar uma enorme quantidade de dados todos os dias ao criar novos medicamentos, realizar pesquisas genéticas ou ensaios clínicos. Com tecnologias alimentadas por IA em imagens médicas, eles podem processar grandes conjuntos de dados, obter resultados e aprovação regulatória com mais rapidez para trazer novos medicamentos ao mercado e promover os mais recentes avanços na saúde moderna.
  • As instituições de saúde podem aproveitar as tecnologias de visão computacional para gerenciar processos operacionais. Alguns exemplos de aplicação seriam o monitoramento das atividades da equipe ou terminais de check-in online.
  • Os governos podem prever a propagação de vírus e doenças analisando grandes quantidades de dados.

O mercado de IA em imagens médicas está evoluindo rapidamente e deve impulsionar uma mudança significativa na comunidade médica. Atualmente, existem muitos projetos ambiciosos, mas apenas alguns se transformam em casos de uso reais devido a vários motivos mencionados neste artigo.

As questões de responsabilidade e moralidade residem principalmente não no plano do produto, mas no uso do produto e seu desenvolvimento. Em outras palavras, o desenvolvedor deve ter a mente aberta e evitar conclusões tendenciosas. O médico, é claro, terá que tomar a decisão sozinho, porém com a ajuda da tecnologia, usando-a como uma segunda opinião confiável. Os sistemas de IA não foram desenvolvidos para substituir o médico, apenas para apoiar o processo de tomada de decisão.

Os sistemas de IA no mercado de imagens médicas são uma direção nova e muito responsável para a NtechLab. Nossa empresa está aberta à cooperação e convida a comunidade científica, médica e empresarial a criar juntos a medicina do futuro.

Entre em contato conosco

FONTES:

1) Machine Learning in Medical Imaging. World Market Analysis 2021 (July / Signify Research) — www.gminsights.com/industry-analysis/healthcare-artificial-intelligence-market
2) «GMInsights 2020 & Market & Market Report 2020.»
3) «Hype Cycle for Healthcare Providers, Gartner, 2021.»
4) Newman-Toker, David, et al. «Rate of Diagnostic Errors and Serious Misdiagnosis-Related Harms for Major Vascular Events, Infections, and Cancers: Toward a National Incidence Estimate Using the ‘Big Three.'» De Gruyter, 1 Feb. 2021 — www.degruyter.com/document/doi/10.1515/dx-2019−0104/html