Reestruturação das profissões da saúde e perspectivas para o futuro na era da Inteligência Artificial

Autores

DOI:

https://doi.org/10.51723/ccs.v32i03.1060

Palavras-chave:

Inteligência Artificial, Avaliação da Tecnologia Biomédica, Educação Médica, Aprendizado Profundo, Segurança Computacional

Resumo

A aplicação de dispositivos e algoritmos com inteligência artificial na saúde vem tornando-se uma realidade em diversas áreas. Porém, como no caso de outras tecnologias já utilizadas, para que essas ferramentas efetivamente resultem em melhoria da qualidade do cuidado, o profissional de saúde precisa saber avaliar de forma crítica seus aspectos positivos e negativos, além de suas limitações. Para isso, é de extrema importância a adoção de uma postura colaborativa, e não de enfrentamento, com esses dispositivos. O presente ensaio busca descrever um panorama acerca da inteligência artificial e seu uso nas áreas de saúde, além de elucidar pontos e levantar reflexões sobre riscos, benefícios e o dilema da desumanização do atendimento em saúde. Ainda, busca refletir em relação ao perfil do “profissional do futuro” e os caminhos que as instituições de ensino devem tomar para sua formação.

Downloads

Não há dados estatísticos.

Biografia do Autor

Julival Fagundes Ribeiro, Hospital de Base do Distrito Federal - HBDF

Médico. Doutorado em Medicina Tropical pela Universidade de Brasília. Hospital de Base do Distrito Federal (HBDF). Brasília, DF, Brasil. 

Nelson Silvestre Garcia Chaves, Escola Superior de Ciências da Saúde - ESCS

Acadêmico de Medicina. Escola Superior de Ciências da Saúde (ESCS).

Derek Chaves Lopes, Escola Superior de Ciências da Saúde - ESCS

Acadêmico de Medicina. Escola Superior de Ciências da Saúde.

Gabriel Elias de Macedo , Escola Superior de Ciências da Saúde - ESCS

Acadêmico de Medicina. Escola Superior de Ciências da Saúde

Referências

Patin K. From mythology to machine learning, a history of artificial intelligence. Coda Story 2020. https://www.codastory.com/authoritarian-tech/history-artificial-intelligence/ (accessed March 30, 2021).

Bussler F. A History of Artificial Intelligence — From the Beginning. Medium 2020. https://towardsdatascience.com/a-history-of-artificial-intelligence-from-the-beginning-10be5b99c5f4 (accessed March 30, 2021).

Rico DF, Sayani HH, Field RF. History of Computers, Electronic Commerce and Agile Methods. Adv. Comput., vol. 73, Elsevier; 2008, p. 1–55. https://doi.org/10.1016/S0065-2458(08)00401-4 .

Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointest Endosc 2020;92:807–12. https://doi.org/10.1016/j.gie.2020.06.040.

Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism 2017;69:S36–40. https://doi.org/10.1016/j.metabol.2017.01.01.

Rigby MJ. Ethical Dimensions of Using Artificial Intelligence in Health Care. AMA J Ethics 2019;21:121–4. https://doi.org/10.1001/amajethics.2019.121.

Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ 2019;7. https://doi.org/10.7717/peerj.7702.

Lobo LC. Inteligência artificial, o Futuro da Medicina e a Educação Médica. Rev Bras Educ Médica 2018;42:3–8. https://doi.org/10.1590/1981-52712015v42n3rb20180115editorial1.

Wang F, Preininger A. AI in Health: State of the Art, Challenges, and Future Directions. Yearb Med Inform 2019;28:016–26. https://doi.org/10.1055/s-0039-1677908.

Mintz Y, Brodie R. Introduction to artificial intelligence in medicine. Minim Invasive Ther Allied Technol 2019;28:73–81. https://doi.org/10.1080/13645706.2019.1575882.

Haleem A, Javaid M, Khan IH. Current status and applications of Artificial Intelligence (AI) in medical field: An overview. Curr Med Res Pract 2019;9:231–7. https://doi.org/10.1016/j.cmrp.2019.11.005.

Choi RY, Coyner AS, Kalpathy-Cramer J, Chiang MF, Campbell JP. Introduction to Machine Learning, Neural Networks, and Deep Learning. Neural Netw n.d.:12.

LeCun Y, Bengio Y, Hinton G. Deep learning. Nature 2015;521:436–44. https://doi.org/10.1038/nature14539.

Wiestler B, Menze B. Deep learning for medical image analysis: a brief introduction. Neuro-Oncol Adv 2020;2:iv35–41. https://doi.org/10.1093/noajnl/vdaa092.

Rosenblatt F. The perceptron: A probabilistic model for information storage and organization in the brain. Psychol Rev 1958;65:386–408. https://doi.org/10.1037/h0042519.

Panesar A. Machine Learning and AI for Healthcare: Big Data for Improved Health Outcomes. Berkeley, CA: Apress; 2019. https://doi.org/10.1007/978-1-4842-3799-1.

Wang L, Alexander CA. Big data analytics in medical engineering and healthcare: methods, advances and challenges. J Med Eng Technol 2020;44:267–83. https://doi.org/10.1080/03091902.2020.1769758.

Kalil AJ, Dias VM de CH, Rocha C da C, Morales HMP, Fressatto JL, Faria RA de. Sepsis risk assessment: a retrospective analysis after a cognitive risk management robot (Robot Laura®) implementation in a clinical-surgical unit. Res Biomed Eng 2018;34:310–6. https://doi.org/10.1590/2446-4740.180021.

Briganti G, Le Moine O. Artificial Intelligence in Medicine: Today and Tomorrow. Front Med 2020;7:27. https://doi.org/10.3389/fmed.2020.00027.

Choudhury A, Asan O. Role of Artificial Intelligence in Patient Safety Outcomes: Systematic Literature Review. JMIR Med Inform 2020;8:e18599. https://doi.org/10.2196/18599.

Cordeiro JV. Digital Technologies and Data Science as Health Enablers: An Outline of Appealing Promises and Compelling Ethical, Legal, and Social Challenges. Front Med 2021;8:647897. https://doi.org/10.3389/fmed.2021.647897.

England JR, Cheng PM. Artificial Intelligence for Medical Image Analysis: A Guide for Authors and Reviewers. AJR Am J Roentgenol 2019;212:513–9. https://doi.org/10.2214/AJR.18.20490.

Martinez-Martin N. What Are Important Ethical Implications of Using Facial Recognition Technology in Health Care? AMA J Ethics 2019;21:180–7. https://doi.org/10.1001/amajethics.2019.180.

Christian G. Assessing Methods and Tools to improve reporting, increase transparency, and reduce failures in Machine Learning Applications in Healthcare. MS. Florida Atlantic University, n.d.

Vollmer S, Mateen BA, Bohner G, Király FJ, Ghani R, Jonsson P, et al. Machine learning and artificial intelligence research for patient benefit: 20 critical questions on transparency, replicability, ethics, and effectiveness. BMJ 2020:l6927. https://doi.org/10.1136/bmj.l6927.

Morgan RL, Whaley P, Thayer KA, Schünemann HJ. Identifying the PECO: A framework for formulating good questions to explore the association of environmental and other exposures with health outcomes. Environ Int 2018;121:1027–31. https://doi.org/10.1016/j.envint.2018.07.015.

Ministério da Saúde, Secretaria de Ciência, Tecnologia e Insumos Estratégicos, Departamento de Ciência e Tecnologia. Diretrizes Metodológicas: Elaboração de revisão sistemática e metanálise de estudos observacionais comparativos sobre fatores de risco e prognóstico. Brasília, Distrito Federal: 2014.

Leslie D, Mazumder A, Peppin A, Wolters MK, Hagerty A. Does “AI” stand for augmenting inequality in the era of covid-19 healthcare? BMJ 2021;372:n304. https://doi.org/10.1136/bmj.n304.

Hlávka JP. Chapter 10.Security, privacy, and information-sharing aspects of healthcare artificial intelligence. In: Bohr A, Memarzadeh K, editors. Artif. Intell. Healthc., Academic Press; 2020: 235–70. https://doi.org/10.1016/B978-0-12-818438-7.00010-1.

Luxton DD. Recommendations for the ethical use and design of artificial intelligent care providers. Artif Intell Med 2014;62:1–10. https://doi.org/10.1016/j.artmed.2014.06.004.

Hlavin G, Koenig F, Male C, Posch M, Bauer P. Evidence, eminence and extrapolation. Stat Med 2016;35:2117–32. https://doi.org/10.1002/sim.6865.

West SM, Whittaker M, Crawford K. Discriminating Systems: Gender, Power and Race in AI. AI Now Institute; n.d. Retrieved from https://ainowinstitute.org/ discriminatingsystems.html

Park SY, Park JE, Kim H, Park SH. Review of Statistical Methods for Evaluating the Performance of Survival or Other Time-to-Event Prediction Models (from Conventional to Deep Learning Approaches). Korean J Radiol 2021;22:e88. https://doi.org/10.3348/kjr.2021.0223.

Vaughn J, Baral A, Vadari M, Boag W. Dataset Bias in Diagnostic AI systems: Guidelines for Dataset Collection and Usage 2020:9. http: //juliev42.github.io/files/CHIL_paper_bias.pdf

Panch T, Mattie H, Atun R. Artificial intelligence, and algorithmic bias: implications for health systems. J Glob Health n.d.;9:020318. https://doi.org/10.7189/jogh.09.020318.

Wynants L, Van Calster B, Collins GS, Riley RD, Heinze G, Schuit E, et al. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ 2020:m1328. https://doi.org/10.1136/bmj.m1328.

Minossi JG, Silva AL da. Medicina defensiva: uma prática necessária? Rev Colégio Bras Cir 2013;40:494–501. https://doi.org/10.1590/S0100-69912013000600013.

Shortliffe EH. Dehumanization of Patient Care--Are Computers the Problem or the Solution? J Am Med Inform Assoc 1994;1:76–8. https://doi.org/10.1136/jamia.1994.95236139.

Haque OS, Waytz A. Dehumanization in Medicine: Causes, Solutions, and Functions. Perspect Psychol Sci 2012;7:176–86. https://doi.org/10.1177/1745691611429706.

Densen P. Challenges and Opportunities Facing Medical Education. Trans Am Clin Climatol Assoc 2011;122:42–58. PMCID: PMC3116346

McCoy LG, Nagaraj S, Morgado F, Harish V, Das S, Celi LA. What do medical students actually need to know about artificial intelligence? Npj Digit Med 2020;3:86. https://doi.org/10.1038/s41746-020-0294-7.

Downloads

Publicado

24.09.2021

Como Citar

1.
Fagundes Ribeiro J, Silvestre Garcia Chaves N, Chaves Lopes D, Elias de Macedo G. Reestruturação das profissões da saúde e perspectivas para o futuro na era da Inteligência Artificial. Com. Ciências Saúde [Internet]. 24º de setembro de 2021 [citado 26º de abril de 2024];32(03). Disponível em: https://revistaccs.escs.edu.br/index.php/comunicacaoemcienciasdasaude/article/view/1060

Edição

v. 32 n. 03 (2021): CCS

Seção

Saúde Coletiva

Licença

Declaro para os devidos fins que o artigo que estou submetendo representa um trabalho original e nunca foi publicado total ou parcialmente, e que se alguma de suas partes foi publicada possuímos autorização expressa para a publicação no periódico Comunicação em Ciências da Saúde (CCS). Esse artigo não foi enviado a outro periódico e não o será enquanto estiver sendo considerada sua publicação; caso venha a ser aceito não será publicado em outro periódico; e não contém material difamatório ou ilegal sob nenhuma forma, não viola a intimidade de terceiros, nem infringe direitos protegidos.

Eu e demais autores desse trabalho certificamos por meio desta declaração que:

  • Concordamos com as normas editoriais e com o processo de revisão da CCS;
  • Aceitamos a responsabilidade pela conduta desse estudo e pela análise e interpretação dos dados;
  • Cooperaremos, sempre que solicitado, na obtenção e fornecimento de dados sobre os quais o manuscrito está baseado, para exame dos avaliadores;
  • Não estão sendo omitidos quaisquer ligações ou acordos de financiamento entre os autores e companhias ou pessoas que possam ter interesse no material abordado no artigo;
  • Não estão sendo excluídos ou omitidos deste artigo autores ou instituições participantes;
  • Possuímos permissão para uso de figuras e tabelas publicadas em outras fontes;
  • Possuímos permissão das pessoas e instituições citadas nos agradecimentos;
  • O autor correspondente autoriza a publicação do endereço informado e e-mail do(s) autor(es) junto com o artigo;
  • Assumimos a responsabilidade pela entrega de documentos verídicos;
  • Autorizamos a publicação do referido artigo no periódico Comunicação em Ciências da Saúde, segundo critérios próprios e em número e volume a serem definidos pelo editor do periódico;
  • Nos comprometemos a atender os prazos estipulados pelos editores do periódico Comunicação em Ciências da saúde;
  • Estamos cientes de que a não manifestação no prazo de dois dias da revisão da diagramação, recebida por e-mail, será considerado aprovado para publicação.

Artigos mais lidos pelo mesmo(s) autor(es)