Quais são as principais barreiras para a aplicação da inteligência artificial na medicina, segundo uma revisão sistemática?
Resposta curta: Uma revisão sistemática identificou 19 barreiras principais para a implementação da inteligência artificial na saúde, categorizadas em três níveis: técnico/algorítmico, das partes interessadas e social. As barreiras incluem falta de explicabilidade, necessidade de validação e padronização, questões de privacidade, viés, perda de autonomia do paciente e desafios logísticos e de custo-efetividade.
Resposta
A revisão sistemática buscou identificar as barreiras para a implementação bem-sucedida da inteligência artificial (IA) na saúde. Foram analisados 306 artigos, dos quais emergiram 19 temas principais, agrupados em três níveis: técnico/algorítmico, das partes interessadas e social (modelo TASS).
No nível técnico/algorítmico, destacam-se a falta de explicabilidade dos modelos, a necessidade de protocolos de validação, padrões de interoperabilidade, diretrizes de relato, padronização de métricas de desempenho e planos para atualização dos algoritmos.
No nível das partes interessadas, as barreiras incluem perda de empregos e habilidades, desafios de fluxo de trabalho, perda de autonomia e consentimento do paciente, perturbação da relação médico-paciente, falta de confiança na IA, desafios logísticos, ausência de plano estratégico, falta de análise de custo-efetividade e comprovação de eficácia.
No nível social, foram identificadas questões de privacidade, responsabilidade legal, viés e justiça social, além da necessidade de educação. Os autores concluem que estudos futuros devem expandir as barreiras para cuidados pediátricos e desenvolver protocolos claros para superá-las.
O que o estudo mostrou
Trata-se de uma revisão sistemática com busca no PubMed de 1/1/2001 a 1/1/2023, restrita a publicações em inglês e estudos em humanos. Foram identificados 2.382 artigos, dos quais 306 foram incluídos. Após análise, desenvolveram-se 19 temas principais, categorizados em três níveis: técnico/algorítmico, das partes interessadas e social (TASS).
Limitações
O resumo não informa limitações específicas do estudo, como viés de publicação ou heterogeneidade dos artigos incluídos. A busca restrita ao PubMed e a artigos em inglês pode ter limitado a abrangência. Além disso, o resumo não detalha a qualidade metodológica dos estudos incluídos.
Aplicação no consultório
Os achados alertam médicos e gestores sobre a necessidade de avaliar criticamente a IA antes de adotá-la no consultório, considerando explicabilidade, validação, privacidade e impacto no fluxo de trabalho. A implementação requer planejamento estratégico, análise de custo-efetividade e educação da equipe, além de protocols para preservar a relação médico-paciente e a autonomia do paciente.
Estudo citado
Technical/Algorithm, Stakeholder, and Society (TASS) barriers to the application of artificial intelligence in medicine: A systematic review. Journal of biomedical informatics, 2023.
Autores: Li LT, Haley LC, Boyd AK, Bernstam EV.
DOI: 10.1016/j.jbi.2023.104531 · PubMed: PMID 37884177
Perguntas para aprofundar
- Como superar as barreiras técnicas para implementar IA na prática clínica?
- Quais são os desafios éticos e sociais da IA na medicina?
- O que a revisão sistemática recomenda para futuras pesquisas sobre barreiras da IA na saúde?
Mais sobre Regulação e validação clínica de IA
- Qual é a evidência que sustenta a aprovação de algoritmos de aprendizado de máquina pela FDA em neurorradiologia?
- A análise de ECG por inteligência artificial já é confiável para prever diabetes na prática clínica?
- Como a inteligência artificial e o aprendizado de máquina têm sido aplicados em cirurgia ambulatorial?
- Modelos de inteligência artificial são confiáveis para prever a demanda em pronto-socorro?
- A análise de EEG com inteligência artificial já é confiável para apoiar o diagnóstico de transtornos neurológicos e oculomotores na prática clínica?
Todas as perguntas sobre Regulação e validação clínica de IA · Todos os temas · Versão em markdown