A IA está ajudando um patologista em Cingapura a acompanhar os casos de pacientes

Este ensaio é baseado em uma conversa com o Dr. Cheng Chee Leong, chefe do Departamento de Patologia Anatômica do Hospital Geral de Cingapura. Esta entrevista foi editada por comprimento e clareza.

Sou atraído pela patologia porque o diagnóstico preciso é o ponto de partida crítico para o tratamento e o gerenciamento adequados. No meu campo, examinamos os tecidos sob o microscópio para determinar a doença ou a condição de um paciente.

Os patologistas precisam gastar mais tempo lidando com a crescente complexidade de nossa prática. Ai tem potencial para melhorar nossa produtividade.

Com o crescente envelhecimento da população, estaremos lidando com pacientes mais complexos. Nosso população idosa está vivendo mais e teremos pacientes com várias condições ao mesmo tempo.

Estamos sempre lidando com uma relativa escassez de mão de obra, e isso é complicado pelo fato de estarmos sendo solicitados a fazer cada vez mais com o tecido.

Por exemplo, no passado, Biópsias de próstata Pode exigir quatro parâmetros para um caso inteiro. Agora, temos que lidar com parâmetros mais específicos para cada espécime individual.

Às vezes, o número de amostras pode atingir 20 a 30, o que é pelo menos 10 a 20 vezes a quantidade de trabalho com o qual estamos realmente acostumados. Isso não é muito sustentável, porque você nunca será capaz de aumentar o número de mão -de -obra necessária para lidar com as coisas em 10 a 20 vezes.

É aí que a IA precisará entrar, permitindo -nos fazer mais com menos e lidar com mais parâmetros sem aumentar a quantidade de recursos.

A IA pode destacar áreas de interesse mais rapidamente do que podemos examinar sob alta ampliação, melhorando a confiança e a eficiência.

Ai faz parte da patologia há anos

Estou envolvido em informática médica há mais de vinte anos, começando quando era um médico nas forças armadas de Cingapura.

Fomos expostos a ferramentas baseadas em aprendizado de máquina para imagens de patologia digital há cerca de uma década.

Um projeto entre o Hospital Geral de Cingapura e a IA Cingapura de 2020 a 2021 focou no uso da IA para diferenciar um tumor chamado lesões de fibroepitelial. Estes não são os seus tradicionais câncer de mamaMas, sim, duas condições relacionadas que às vezes podem imitar umas às outras: fibroadenomas e tumores de filodos.

Construímos algoritmos de IA para tentar diferenciar essas duas lesões em materiais de biópsia. O objetivo era melhorar nossa confiança diagnóstica e orientar melhor as decisões de tratamento.

Ai não é infalível – especialmente em casos complexos

Até a IA mais bem treinada terá uma margem de erro e seu desempenho depende muito dos dados de entrada.

A IA ainda tem algum caminho a percorrer na integração de dados complexos para nos guiar para o diagnóstico correto, juntamente com o que vemos sob o microscópio.

Por exemplo, examinamos outros dados, como registros eletrônicos e relatórios de radiologia dos pacientes, para entender melhor todo o quadro clínico.

Ao contrário dos profissionais treinados, a IA ainda tem problemas com adaptabilidade e generalização, incluindo lidar com questões em circunstâncias menos do que o ideal.

Ai é muito dependente de seu dados de treinamento. Quando a AI encontra tecidos que foram processados de maneira diferente – por exemplo, amostras de laboratórios estrangeiros que têm cores ou aparências diferentes – ele pode ter um desempenho abaixo do tempo.

Às vezes, a IA confunde o tecido dobrado no slide como um achado positivo quando não deveria ser. Um profissional humano treinado será capaz de encontrar maneiras de abordar novas descobertas e situações com as quais têm menos experiência, em vez de tentar forçar uma categoria que a IA pode tender a fazer.

Por enquanto, o humano no loop é inevitável. Sempre praticamos uma margem de segurança para garantir que não cometamos erros.

Afinal, muitos anos de treinamento nos ajudaram a construir a base de conhecimento que nos permitirá fazer interpretações e diagnósticos precisos.

Com o tempo, ai, dada o suficiente treinamento, dados, E a orientação correta, pode realmente ser capaz de fazer melhor.

Enquanto Ai não substituirá os médicos Ou seres humanos a médio e longo prazo, um humano sem capacidade de IA não será capaz de acompanhar o campo de saúde em rápida evolução.

A IA acabará transformando a maneira como trabalhamos. Isso exigirá que adquiramos um conjunto de habilidades diferentes e exigirá que pratiquemos em um padrão mais alto.

Você tem uma história para compartilhar sobre a IA em saúde? Contate este repórter em cmlee@businessinsider.com.