Inteligncia Artificial e Medicina

Artificial Intelligence and Medicine

Luiz Carlos LoboI

RESUMO
PALAVRAS-CHAVE Ao mesmo tempo em que se discutem problemas na relao mdico-paciente e a deficincia do exame
Relao Mdico-Paciente. clnico na ateno mdica, que torna o diagnstico clnico mais dependente de exames complemen-
tares, enfatiza-se cada vez mais a importncia do computador em medicina e na sade pblica. Isto
Exame Clnico.
se d seja pela adoo de sistemas de apoio deciso clnica, seja pelo uso integrado de novas tecno-
Sistemas de Apoio Deciso. logias, incluindo as tecnologias vestveis/corporais (wearable devices), seja pelo armazenamento de
Inteligncia Artificial. grandes volumes de dados de sade de pacientes e da populao. A capacidade de armazenamento e
Dispositivos Corporais. processamento de dados aumentou exponencialmente ao longo dos recentes anos, criando o conceito
de big data. A Inteligncia Artificial processa esses dados por meio de algoritmos, que tendem a se
Educao Mdica.
aperfeioar pelo seu prprio funcionamento (self learning) e a propor hipteses diagnsticas cada vez
mais precisas. Sistemas computadorizados de apoio deciso clnica, processando dados de pacientes,
tm indicado diagnsticos com elevado nvel de acurcia. O supercomputador da IBM, denominado
Watson, armazenou um volume extraordinrio de informaes em sade, criando redes neurais de
processamento de dados em vrios campos, como a oncologia e a gentica. Watson assimilou dezenas
de livros-textos em medicina, toda a informao do PubMed e Medline, e milhares de pronturios de
pacientes do Sloan Kettering Memorial Cancer Hospital. Sua rede de oncologia hoje consultada por
especialistas de um grande nmero de hospitais em todo o mundo. O supercomputador ingls Deep
Mind, da Google, registrou informaes de 1,6 milho de pacientes atendidos no National Health
Service (NHS), permitindo desenvolver novos sistemas de apoio deciso clnica, analisando dados
desses pacientes, permitindo gerar alertas sobre a sua evoluo, evitando medicaes contraindicadas
ou conflitantes e informando tempestivamente os profissionais de sade sobre seus pacientes. O Deep
Mind, ao avaliar um conjunto de imagens dermatolgicas na pesquisa de melanoma, mostrou um
desempenho melhor do que o de especialistas (76% versus 70,5%), com uma especificidade de 62%
versus 59% e uma sensibilidade de 82%. Mas se o computador fornece o know-what, caber ao m-
dico discutir o problema de sade e suas possveis solues com o paciente, indicando o know-why do
seu caso. Isto requer uma contnua preocupao com a qualidade da educao mdica, enfatizando o
conhecimento da fisiopatologia dos processos orgnicos e o desenvolvimento das habilidades de ouvir,
examinar e orientar um paciente e, consequentemente, propor um diagnstico e um tratamento de seu
problema de sade, acompanhando sua evoluo.

Revista Brasileira de Educao Mdica

185 41 (2) : 185-193; 2017 I
Professor Honoris Causa da UnB, Professor aposentado da UFRJ e Consultor Snior da Unasus-Fiocruz.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp

KEYWORDS
Doctor-Patient Relationship.
Clinical Examination.
Decision Support Systems.
Artificial Intelligence.
Wearable Devices.
Medical Education.
ABSTRACT
While discussions develop regarding problems in the doctor-patient relationship and the deficiency of
the clinical examination in medical practice, which leaves diagnoses more dependent of complementa-
ry tests, the importance of the computer in medicine and public health is highlighted. This is happe-
ning, either through the adoption of clinical decision support systems, the use of new technologies,
such as wearable devices, or the storage and processing of large volumes of patient and population
data. Data storage and processing capacity has increased exponentially over recent years, creating the
concept of big data. Artificial Intelligence processes such data using algorithms that continually
improve through intrinsic self-learning, thus proposing increasingly precise diagnostic hypotheses.
Computerized clinical decision support systems, analyzing patient data, have achieved a high degree
of accuracy in their diagnoses. IBMs supercomputer, named Watson, has stored an extraordinary
volume of health information, creating a neural network of data processing in several fields, such as
oncology and genetics. Watson has assimilated dozens of medical textbooks, all the information from
PubMed and Medline, and thousands of medical records from the Sloan Kettering Cancer Memorial
Hospital. Its oncology network is now consulted by numerous specialists from all over the world. The
English supercomputer Deep-Mind, by Google, has stored data from 1.6 million National Health
Service patients, enabling the development of new clinical decision support systems, analysis of these
patient data and generating alerts on their evolution in order to avoid contraindicated or conflicting
medications, whilst also sending timely updates to the physicians about the health of their patients.
Analyzing a set of dermatological images in a melanoma study, Deep-Mind showed a higher level of
performance than that of specialists (76% versus 70.5%), with a specificity of 62% versus 59% and
a sensitivity of 82%. Nevertheless, whereas the computer provides the know-what, it is the physi-
cian that will discuss the medical problem and the possible solutions with the patient, indicating the
know-why of his or her case. This area requires continuous focus on the quality of medical training,
emphasizing knowledge of the physiopathology of the organic processes and the development of the
abilities to listen to, examine and advise a patient and, consequently, propose a diagnosis and treat-
ment, accompanying his or her evolution.

Recebido em: 08/06/2017

Aprovado em: 12/06/2017

INTRODUO mote do mundo atual, caracterizando uma sociedade em mu-

Ao longo de sua evoluo, o homem adquiriu uma srie de
extenses. Com o desenvolvimento da oposio do polegar
pde segurar um porrete e aumentar o tamanho de seu brao
ou atirar pedras para se defender de agressores. Com o uso de
ondas de rdio pde atingir populaes distantes e com o mi-
croscpio ver dimenses muito pequenas, como as bactrias.
Se o telefone permitiu a conversa entre pessoas que resi-
dem em qualquer lugar do planeta, estendendo a capacidade
de ouvir, a televiso permitiu ver fatos distantes e no momen-
to em que se produzem, aumentando a capacidade de ver.
O advento do computador trouxe uma enorme amplia-
o da dimenso do homem, aumentando sua capacidade de
calcular e armazenar grandes volumes de informao, e isso
em nanossegundos. Ampliou sua memria e o tempo de recu-
perao de uma informao. O aqui e agora passou a ser o
dana rpida e constante.
A criao de redes que interligam computadores, ense-
jando a comunicao rpida entre pessoas, de certo modo
fragmentou e segmentou a sociedade em grupos de interesses
semelhantes.
Conversa-se mais atravs de smartphones do que presen-
cialmente. A oferta contnua de vdeos e udios em streaming
refora esse processo de individualizao e isolamento. Talvez
isso explique o fato de ser a depresso um dos grandes proble-
mas mdicos da atualidade.
Ao mesmo tempo, houve um grande avano nas tecnolo-
gias mdicas voltadas ao diagnstico pela imagem: o ecocar-
diograma, que, alguns acham, tornar obsoleto o estetoscpio,
o ultrassom, que substitui, dizem, a palpao e a percusso do
abdome, a ressonncia, que substitui os exames de radiologia

Revista Brasileira de Educao Mdica

186 41 (2) : 185 193 ; 2017
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
contrastada, e o PET, que permite verificar as reas envolvi-
das em vrias atividades cerebrais, vieram substituir o exame
clnico dos pacientes e a relao mdico-paciente. Hoje, faz-se
diagnstico pelos exames e no pelo raciocnio e julgamento
clnico. Para que avaliar a expanso torcica, auscultar, sentir
o frmito toracovocal ou fazer uma percusso para diagnosti-
car uma pneumonite, se um raio X simples de trax pode fazer
o diagnstico?
Trabalhos recentes1 enfatizam the fading art of the clinical
examination e ressaltam a necessidade de olhar, ouvir e exa-
minar o paciente e s ento pedir exames para comprovar a
hiptese diagnstica.
INTELIGNCIA ARTIFICIAL E MEDICINA
Inteligncia Artificial em medicina o uso de computadores
que, analisando um grande volume de dados e seguindo algo-
ritmos definidos por especialistas na matria, so capazes de
propor solues para problemas mdicos.
Computadores podem armazenar e recuperar dados so-
bre imagens, como leses dermatolgicas ou exames radiol-
gicos, de ultrassom, de ressonncia magntica, de tomografia
por emisso de psitrons (PET), de ecocardiogramas, de ele-
troencefalogramas, eletrocardiogramas, dados de dispositivos
vestveis/corporais (wearable devices) e gerar probabilidades
de diagnstico baseadas em algoritmos de deciso estabeleci-
dos e que podem se automodificar em decorrncia de resulta-
dos obtidos (self improvement).
Dados de pacientes podem ser coletados seja diretamente
de pronturios mdicos eletrnicos, seja por meio da digitao
de informaes de anamnese, de exame clnico do paciente,
exames complementares, evoluo da enfermidade e medica-
mentos prescritos e usando algoritmos definidos e que podem
ser atualizados com a anlise desses dados e propor diagns-
ticos diferenciais de enfermidades, com as respectivas proba-
bilidades de ocorrncia.
Atualmente, o uso de wearable devices tem sido introduzi-
do na prtica mdica, obtendo informaes contnuas sobre
glicemia, ECG e movimento, por exemplo, que podem gerar
aes automatizadas, como injetar insulina, dar uma descar-
ga eltrica de um desfibrilador subcutneo ou variar a dose
de um medicamento em pacientes com doena de Parkinson.
Informaes desses gadjets so capturadas pelo celular do pa-
ciente e podem ser transmitidas ao seu mdico.
Desde algum tempo, busca-se desenvolver sistemas
computadorizados de apoio ao diagnstico clnico. Howard
Bleish2, h mais de 50 anos, j oferecia um sistema que, ava-
liando dados de um paciente, sugeria aes para restabelecer
seu equilbrio hidroeletroltico.
Revista Brasileira de Educao Mdica
187 41 (2) : 185 193 ; 2017
Vrios sistemas3 foram desenvolvidos com o objetivo de
oferecer uma lista de possveis diagnsticos para um proble-
ma de sade, com as probabilidades de acerto, usando dados
da gnese e evoluo desse problema, avaliando sinais e sinto-
mas de pacientes, analisando resultados de exames realizados
e propondo possibilidades diagnsticas.
Recente trabalho4 selecionou quatro sistemas, aps eles te-
rem analisado dados de 20 casos clnicos apresentados no New
England Medical Journal e no Medical Knowledge Self Assessment
Program (MKSAP) do American College of Physicians, que
visa avaliar os conhecimentos de medicina interna de estu-
dantes do terceiro ano de Medicina de escolas dos EUA. Dois
desses sistemas de diagnsticos diferenciais DDX (DXPlain,
de Harvard, e Isabel, privado) indicaram acertos significa-
tivos, ainda que no tenham acertado o diagnstico de dois
casos do MKSAP.
Berner e col.5 discutiram a relevncia de se ter uma lista de
hipteses diagnsticas, seja para o clnico, seja para estudantes
de Medicina. Uma lista de possveis diagnsticos, aceitos de for-
ma acrtica, poderia resultar no pedido de muitos exames para
esclarecer o caso, tornando mais caro o tratamento do paciente.
Recente trabalho6 analisa a adoo de sistemas de apoio
deciso clnica para melhorar a acurcia da medicina, conside-
rando o aumento da carga de trabalho de mdicos em emergn-
cias e clnicas de famlia. A Associao Americana de Escolas de
Medicina (AAMC) estima uma demanda de 130.600 mdicos
at 2025, o que justificaria a adoo de programas de apoio de-
ciso como forma de diminuir a possibilidade de erros mdicos.
Em 2009, verificou-se que 32% dos erros mdicos nos EUA
resultavam da diminuio do tempo de interao do mdico
com os pacientes, produzindo diagnsticos equivocados, no
reconhecimento da urgncia ou piora da evoluo do pacien-
te que demandariam prescrever ou realizar aes pertinentes.
Mesmo em hospitais que disponham de pronturios mdicos
eletrnicos7, com a possibilidade de melhor coleta de dados,
admite-se que 78,9% dos erros mdicos estariam relacionados
a problemas na relao mdico-paciente, exame clnico defi-
ciente, falha de avaliao dos dados do paciente ou falta de
exames que comprovassem a hiptese diagnstica.
O uso de sistemas que cruzam remdios prescritos e da-
dos do paciente, evitando interaes ou doses inapropriadas,
est disponvel e se reflete numa melhor e mais segura pres-
crio medicamentosa. Mdicos e farmacuticos se beneficiam
muito com esses sistemas que confrontam dados e prescri-
es, evitando casos de medicaes inadequadas a mulheres
grvidas, doentes com insuficincia renal, alrgicos droga
prescrita e interaes entre medicaes feitas por mais de um
profissional.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
CRTICAS AO USO DE SISTEMA DE APOIO
DECISO CLNICA
A tomada de deciso em medicina depende, essencialmente,
da proposta de hipteses diagnsticas sugeridas pelo mdico
aps colher e avaliar dados sobre os problemas de sade de
um paciente. Essas hipteses seriam avaliadas e indicariam a
necessidade de ter novas informaes sobre o caso ou a reali-
zao de exames complementares que permitam eleger a me-
lhor opo na soluo do problema.
A experincia obtida aps anos de trabalho clnico permi-
tiria ao profissional avaliar melhor essas hipteses diagns-
ticas fazendo perguntas ao paciente ou sugerindo exames a
serem realizados.
Um trabalho clssico de Elstein e cols.8 indicava, aps lon-
ga pesquisa registrando o processo de soluo de problemas
em vrias situaes controladas, o seguinte:
1. Hipteses de soluo de problemas, com frequncia,
so geradas precocemente ao se entrevistar um pacien-
te, seja porque o mdico se lembra de casos semelhan-
tes, seja porque leu um artigo que discutia situaes
com as mesmas caractersticas;
2. Hipteses so, de regra, apresentadas em nmero limi-
tado, mesmo em casos complexos; no obstante, hip-
teses gerais, como dor abdominal, podem ser propos-
tas junto com outras;
3. Como consequncia da proposio precoce de hip-
teses, os mdicos podem buscar novos dados para
comprovar suas hipteses e no para reavali-las, ne-
cessitando de muito mais informao ou resultados de
exames para rever essas hipteses;
4. A soluo de um caso est, de regra, relacionada
competncia do profissional em relao ao problema
apresentado pelo paciente. Como dizia Claude Ber-
nard, quem no sabe o que procura no entende o que
encontra.
Estudos de Rimoldi9 mostraram que o nmero de dados
de anamnese, exame fsico e exames complementares requi-
sitados por internos, residentes e especialistas para resolver
um caso varia significativamente, indicando a importncia
da experincia na proposio de possveis diagnsticos. O
reconhecimento de padres (pattern recognition) e de crit-
rios de diagnstico (combinao de sintomas, sinais e resul-
tados de exames) usado na determinao de um diagns-
tico correto.
Um trabalho da Universidade Estadual de Londrina so-
bre o raciocnio clnico dos estudantes de Medicina 10 indicou
dois processos de elaborao de hipteses diagnsticas entre
Revista Brasileira de Educao Mdica
188 41 (2) : 185 193 ; 2017
os alunos: hipottico-dedutivo e indutivo. Mostrou predo-
minncia de alunos (69%) induzindo um diagnstico. Esses
processos ressaltam dois tipos de pensar: o terico-dedutivo
(que vai do geral ao particular), mais comum entre latinos, e o
emprico-indutivo (que vai do particular ao geral), que carac-
teriza, em geral, os anglo-saxes 11.
Sistemas de suporte deciso clnica podem assistir o
profissional nesse processo de tomada de deciso. Esses sis-
temas podem sugerir hipteses, com suas probabilidades de
ocorrncia, mas no explicam o porqu dessas hipteses. In-
formam o know-what, mas no o know-why.
Por outro lado, o sistema de tomada de deciso, depen-
dendo da capacidade de perceber o que ocorre com o paciente,
pode levar a erros na conduta proposta.
Uma menina de 14 anos procurou o Hospital de Sobra-
dinho em Braslia com amenorreia primria. Queixava-se de
ainda no ter ficado moa. Mas o residente que a atendeu
observou a ictercia da paciente e, aps exames, fez um diag-
nstico de anemia falciforme. Tratou a paciente e deu-lhe alta,
mas a paciente, chorando, dizia ao mdico que no a tinham
tratado porque ainda no tinha ficado moa.
Para obviar essa distoro na percepo de um caso,
Weed12 props em 1964 a adoo do Pronturio Orientado
para Problemas, em que, aps ouvir e examinar o paciente,
o mdico deveria listar os problemas apresentados seja de or-
dem somtica, seja de ordem psicolgica e mesmo de ordem
social, e propor um plano de ao para cada problema apre-
sentado13.
O Pronturio Mdico Orientado para Problemas foi
adotado em poucos hospitais, talvez porque, reconhecendo os
problemas do paciente e propondo um plano de diagnstico e
tratamento para cada problema, a competncia mdica fique
sujeita a uma clara avaliao por seus pares.
USO DE SUPERCOMPUTADORES EM INTELIGNCIA
ARTIFICIAL E MEDICINA
Inteligncia Artificial (IA) um ramo da cincia da compu-
tao que se prope a desenvolver sistemas que simulem a
capacidade humana de percepo de um problema, identifi-
cando seus componentes para, com isso, resolver problemas e
propor/tomar decises.
Outra definio de Inteligncia Artificial indica que seria
a criao de sistemas inteligentes de computao capazes de
realizar tarefas sem receber instrues diretas de humanos (os
robs so exemplos disso).
Usando diferentes algoritmos e estratgias de tomada de
decises e um grande volume de dados, sistemas de IA so
capazes de propor aes, quando solicitados.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
A Inteligncia Artificial envolve vrias etapas ou compe-
tncias, como reconhecer padres e imagens, entender lingua-
gem aberta escrita e falada, perceber relaes e nexos, seguir
algoritmos de deciso propostos por especialistas, ser capaz
de entender conceitos e no apenas processar dados, adquirir
raciocnios pela capacidade de integrar novas experincias
e, assim, se autoaperfeioar, resolvendo problemas ou reali-
zando tarefas.
Os primrdios da IA datam de 1950, quando Alan Turing
publicou seu artigo Computing Machinery and Intelligence14
e props o teste (hoje nomeado TT em sua homenagem) que
compara a performance de um computador e de uma pessoa
na soluo de um problema.
O termo Inteligncia Artificial foi cunhado numa confe-
rncia no Dartmouth College em 195615 por McCarthy e cols.,
e a sua aplicao em medicina iniciou-se com o artigo de Shor-
tlife em 196316.
Szlovits, em publicao de 200917, admite que atualmente
a IA em medicina est se tornando no apenas uma parte, mas
um componente essencial da informtica mdica e um recurso
importante na soluo de problemas em ateno sade.
As pesquisas iniciais visavam capturar o conhecimento
de especialistas no desenvolvimento de sistemas de apoio ou
proposta de solues clnicas.
Atualmente, o problema processar um grande volume de
informaes, seja por meio de pronturios eletrnicos com da-
dos dos pacientes, resultados de seus exames, diagnstico pro-
posto, prescrio e resultados dessas medicaes, seja por di-
gitao, considerando que dados podem no estar disponveis
ou podem estar incompletos. Deve-se considerar tambm que
informaes ainda podem ter que ser digitadas em decorrncia
da incompatibilidade de sistemas onde elas estejam registra-
das. H que se considerar, no entanto, que essa digitao pode-
r eventualmente introduzir um componente de erro humano.
Sistemas que funcionam em background podem ser uti-
lizados para verificar dados de pacientes, como interao e
incompatibilidade de medicamentos, dados de exames com-
plementares discrepantes, exames solicitados e/ou a serem
realizados.
O problema da perda de confidencialidade dos dados ar-
mazenados tem sido ressaltado e deve ser sempre discutido,
mas sistemas de sade, como o NHS da Inglaterra, indicam que
o benefcio da troca de experincias excede problemas eventuais
decorrentes da quebra de confidencialidade. A troca de informa-
es j feita entre pacientes com websites, como PatientsLike-
Me, Acor (association of cancer online), CrowdMed, SmartPatients.
Vrias empresas esto muito engajadas em projetos de IA,
como IBM, Google, Apple, Microsoft e Amazon.
Revista Brasileira de Educao Mdica
189 41 (2) : 185 193 ; 2017
Com a disseminao dos smartphones, sistemas como o
Apple Siri, Microsoft Cortana e Google Now permitem inte-
rao em linguagem aberta, funcionando como um assistente
pessoal, dando informaes ao usurio, lembrando aes a
serem tomadas, fazendo postagens no Facebook ou Twitter e
conversando com o usurio como um amigo virtual.
Duas das mais importantes experincias no uso de IA em
vrios campos, inclusive medicina, so a plataforma Watson
Health, da IBM, e o Deep Mind, da Inglaterra, que processam
informaes armazenadas na nuvem de oncologia e de ava-
liao de risco e evoluo de pacientes.
Registrando um grande nmero de casos com seu esque-
ma de diagnstico, tratamentos prescritos e resultados obti-
dos, esses sistemas permitem uma expanso do conhecimento
mdico e a sugesto de condutas a serem seguidas, nesse caso
com embasamento probabilstico.
Pesquisadores da IBM, usando redes neurais, consegui-
ram obter uma acurcia de 86% no diagnstico de retinopatia
diabtica feito em 35 mil imagens de retina acessadas atravs
da tecnologia EyePACs da IBM de identificao de leses e
outros sinais observados em vasos sanguneos.
Ao contrrio do Watson, que processa mais demandas es-
pecficas, o Deep Mind, criado em 2010 e comprado pela Goo-
gle em 2014, tambm usando uma rede neural, pretende no
ser programado com fins predefinidos, aprendendo com a
experincia na soluo de problemas.
O Deep Mind tem sido usado em medicina na avaliao
de scans visuais, buscando causas de cegueira. Em 2016, esta-
beleceu um projeto com o Royal Free London NHS Founda-
tion Trust e com o Imperial College Health Care NHS Trust
para acessar os pronturios eletrnicos de pacientes e avaliar
seus dados, o que tem gerado grande controvrsia no pas. O
problema da confidencialidade dos dados tem sido questiona-
do, sobretudo pelo fato de eles serem processados livremente
por uma empresa privada (Google).
No Brasil, em 2016, a Fiocruz criou o Centro de Integra-
o de Dados e Conhecimentos para Sade (Cidacs), buscan-
do integrar dados de sade e polticas sociais de mais de cem
milhes de brasileiros contemplados no Programa Bolsa Fa-
mlia e outros programas de proteo social numa nica base
de dados, mas preservando a confidencialidade desses dados.
Tambm foram criadas plataformas de vigilncia em sa-
de, estudos genticos (Epigen), de incorporao de tecnolo-
gias e inovaes em sistemas de informao para apoiar o SUS
e de Estudos de Equidade e Sustentabilidade Urbana e seus
efeitos em sade. Essa iniciativa dever ser o comeo de um
programa de integrao de dados sobre as condies de sade
de indivduos e da populao do Pas.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
EXPERINCIAS EM INTELIGNCIA ARTIFICIAL EM
SADE
Em trabalho recente, Mukherjee18 relata a experincia de Se-
bastian Thrun, da Universidade de Stanford, que armazena,
numa rede neural de computao, 130 mil imagens de leses
da pele classificadas por dermatologistas. O sistema usa algo-
ritmos que reconhecem imagens e suas caractersticas (pattern
recognition). Em junho de 2015, Thrun e equipe comearam a
validar o sistema usando um conjunto de 14 mil imagens que
haviam sido diagnosticadas por dermatologistas, solicitan-
do que o sistema reconhecesse trs tipos de leso: benignas,
malignas e crescimentos no cancerosos. O sistema acertou
72% das vezes, comparado com um acerto de 66% obtido por
dermatologistas qualificados. A experincia de Thrun foi am-
pliada para incluir 25 dermatologistas e uma amostra de 2 mil
casos biopsiados. A mquina continuou sendo mais acurada.
Outra experincia relatada por Mukherjee foi desenvolvi-
da na Universidade de Columbia: uma radiologista discutia
a importncia de diagnosticar precocemente um AVC numa
tomografia computadorizada (CT scan), permitindo a destrui-
o oportuna de um cogulo no crebro. fcil diagnosticar
um AVC quando o crebro j est morto e cinzento, dizia ela.
O desafio diagnosticar e intervir precocemente. O reconhe-
cimento de imagens feito por IA poderia obviar esse desafio
pelo reconhecimento de pequenos detalhes indicando reas
suspeitas em cortes de CT que poderiam passar despercebi-
das.
Uma pesquisa realizada na USP19 mostrou que a gerao
de hipteses e diagnsticos diferenciais, em geral, feita pelo
reconhecimento visual imediato de determinadas leses. A
experincia foi realizada com 25 radiologistas que tentaram
reconhecer imagens do pulmo apresentadas a eles dentro de
um tubo de ressonncia magntico funcional. O tempo m-
dio para propor um diagnstico foi de 1,33 segundo, ativando
sempre a mesma rea do crebro. O importante parece ter sido
o conhecimento prvio da forma e caractersticas da leso, o
que poderia ser feito por Inteligncia Artificial.
O dermatologista Lindsay Bordone, da Universidade de
Columbia18, tinha 49 pacientes agendados no dia. Examinados
em sequncia, todos saam felizes. que o computador pode
acertar o know-what, mas o mdico, conversando com seu pa-
ciente, explica o know-why. Isto indica por que os mdicos nun-
ca sero substitudos por uma mquina. Elas no explicam o
porqu nem aliviam a angstia do paciente.
O apoio deciso clnica disponvel por meio de consul-
tores on-line, como oferecido no Brasil pelo Telessade/Tele-
Medicina, favorece a prtica em lugares remotos onde a dis-
Revista Brasileira de Educao Mdica
190 41 (2) : 185 193 ; 2017
ponibilidade de recursos e a possibilidade de discutir o caso in
loco so escassas ou inexistentes. A disponibilizao contnua
de sistemas computadorizados de apoio deciso clnica seria
outra alternativa a ser postulada.
INTEGRAO DE BASE DE DADOS BIG DATA
A capacidade de armazenar dados aumentou de forma ex-
ponencial nas ltimas dcadas. De armazenamento em fitas
e discos mveis, passou-se a armazenar via internet em sis-
temas de grande capacidade (warehouses) e, atualmente, em
redes de computadores ditos na nuvem.
O armazenamento de dados passou a ser gigantesco, le-
vando ao conceito de big data. Estima-se em 2,5 exabytes (um
exabyte corresponde a 10 potncia 18; para comparao, um
gigabyte 10 potncia 9), com um crescimento anual previs-
to de 57% no perodo de 2014-201920, chegando a 24,3 exabytes
em 2019, admitindo-se ainda que em 2019 vdeos devero cor-
responder a 50% do trfego na internet.
Big data est sendo gradualmente introduzido no sistema
de ateno sade. Dados de prevalncia, incidncia e evolu-
o de enfermidades permitiriam gerar dados estatsticos, an-
tecipar surtos epidemiolgicos e prescrever aes preventivas.
Dados de pacientes, como idade, sexo, etnia, local de re-
sidncia, antecedentes pessoais e familiares, sintomas e sinais
apresentados, exames realizados ou obtidos por meios eletr-
nicos (wearable devices), diagnsticos feitos, tratamento e evo-
luo coletados, permitiriam estabelecer uma base de dados e
aprimorar condutas estabelecidas.
Esses dados deveriam ser disponibilizados ao paciente,
que poderia participar de decises que envolvessem aes
mdicas, j que as consequncias dessas aes seriam sofridas
por ele.
Eric Topol fala em empoderar o paciente21 na discusso de
seu problema de sade, sobretudo se se considerar que outros
sistemas como o Google j oferecem dados sobre problemas
mdicos, mas sem uma anlise criteriosa dessa informao. O
mdico poder discutir o caso agregando seu know-why.
O problema passou a ser dispor de processos de integra-
o e pesquisa em diferentes bases de dados. Sistemas integra-
dos e universais de ateno sade, como o National Health
Service, da Inglaterra, facilitam a pesquisa por constiturem
uma base de dados nica. Discute-se a abertura desses dados
a toda a comunidade mdica, com a certeza de que o benefcio
de trocar e compartilhar experincias muito maior que a pre-
servao de sua confidencialidade.
Um sistema nico e padronizado de dados em sade po-
deria ser o trunfo essencial a garantir a qualidade da ateno
prestada em sade no Brasil.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
Integrar diferentes sistemas de registro eletrnico de da-
dos em medicina e sade o grande desafio. A adoo de
diferentes sistemas informatizados nos estados e municpios
brasileiros e a baixa integrao com os sistemas privados de
sade dificultam a criao de uma base de dados nica e na-
cional e a possibilidade de estabelecer condutas e diretrizes
para os principais problemas de sade do Pas22.
A obteno de dados colhidos no Datasus com o fim de
pagar contas hospitalares e que seriam processados, eventual-
mente, no sistema de computao do Cidacs-Fiocruz poderia
iniciar um programa de racionalizao e melhoria da ateno
mdica no Pas, seja pelo conhecimento da frequncia de aes
adotadas para resolver casos clnicos e custos envolvidos, seja
pela possibilidade de verificar os resultados dos procedimen-
tos realizados e tratamentos prescritos, evitando recorrncias
e sugerindo aes preventivas.
Integrar dados dos vrios nveis de ateno sade, anali-
sando-os por regio e complexidade, incentivar a troca on-line
de experincias, discutir o uso de novas tecnologias na prtica
mdica, no s em grandes centros, mas, sobretudo, em reas
remotas, so imperativos a serem discutidos.
Dados de notificaes de doenas processados tempesti-
vamente pela vigilncia em sade permitem estudar no s o
diagnstico desses casos, como os desvios em sua evoluo,
prever a possibilidade de surtos e epidemias, e propor as me-
didas necessrias de preveno e proteo da sade da popu-
lao.
Afortunadamente, a informao cientfica tende a ser pa-
dronizada. A Organizao Mundial da Sade e o Instituto de
Sade dos EUA (NIH) desenvolveram padres, como a Classi-
ficao Internacional de Doenas (CID) e a International Health
Terminology Standards Development Organization (Snomed). A in-
tegrao de dados genmicos feita por meio de sistemas de
nomenclatura como o Gene Ontology. Sem uma padronizao
de dados fica difcil a integrao e a adoo de sistemas de
apoio deciso clnica e em sistemas de sade.
Big data que agregam informaes sobre sade, determi-
nantes genticos de doenas, estudos de rgos, clulas, mo-
lculas, e at tomos, de mecanismos de transcrio e repres-
so do DNA e como modific-los, de protenas e metablitos
e a interao de indivduos com o ecossistema ensejam um
conhecimento de possveis agravos sade do indivduo e da
populao e como control-los e resolv-los.
Nos EUA, o programa de pesquisa em cncer estabele-
ceu o projeto NCI-Match, que busca parear tipos de tumor e
terapias prescritas. O projeto envolveu mil pacientes que apre-
sentavam um tumor que no havia respondido a tratamentos
padres para o caso. Usando marcadores genticos, buscou-se
Revista Brasileira de Educao Mdica
191 41 (2) : 185 193 ; 2017
propor drogas mais bem ajustadas e observar a evoluo do
paciente.
O programa Precision Medicine Initiative prev estabelecer
uma base de dados genticos de um milho de pessoas para
avaliar a eficcia de drogas em condies especficas.
Um volume muito grande de informaes mdicas (80%
segundo a IBM) j est armazenado nos bancos de dados do
Watson23, supercomputador da empresa. O sistema Watson de
oncologia hoje usado em um grande nmero de instituies
de sade dos EUA24.
No Brasil, o Fleury Medicina e Sade o primeiro par-
ceiro da unidade IBM Watson em Sade na Amrica Latina25,
iniciando, sobretudo, estudos com o Watson Genomics para au-
xiliar mdicos a identificar medicamentos e ensaios clnicos
relevantes com base em alteraes genmicas de um indiv-
duo e dados extrados da literatura mdica. O Watson na rea
de sade fornece a oncologistas conhecimentos advindos dos
mais importantes centros de pesquisa e tratamento de cncer
no mundo.
Esperamos que outras instituies brasileiras sigam a ex-
perincia do Fleury e que passem a intercambiar informaes
sobre problemas de ateno sade em nvel individual e co-
letivo.
CONCLUSO
A deficincia na interao com o paciente, a falta de seu exame
clnico e a dependncia de exames complementares no diag-
nstico mdico iro aumentar cada vez mais o uso do compu-
tador em medicina.
A disponibilidade de sistemas de apoio deciso clnica
com grande acurcia, o uso de dispositivos vestveis/corpo-
rais (wearable devices), o aumento exponencial da capacidade
de armazenar e processar dados de pacientes e da populao
(big data) so fatos que j se integraram realidade em muitos
pases.
A Inteligncia Artificial processa esses dados por meio
de algoritmos que tendem a se aperfeioar pelo seu prprio
funcionamento (self learning) e a propor hipteses diagnsticas
cada vez mais precisas.
O sistema de computao Deep Mind ingls, recentemen-
te adquirido pela Google, processa atualmente 1,6 milho de
pronturios de pacientes atendidos nos hospitais do Servio
Nacional de Sade da Inglaterra (NHS), buscando desenvol-
ver uma nova gerao de sistemas de apoio deciso clnica,
analisando dados desses pacientes e gerando alertas sobre a
sua evoluo, evitando medicaes contraindicadas ou con-
flitantes e informando tempestivamente os profissionais de
sade sobre seus pacientes.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp
A IBM, por sua vez, criou um supercomputador o Wat-
son com capacidade de armazenar dados mdicos num vo-
lume extraordinrio. O Watson assimilou dezenas de livros-
-textos em medicina, toda a informao do PubMed e Medli-
ne, e milhares de pronturios de pacientes do Sloan Kettering
Memorial Cancer Hospital. Segundo a revista Forbes, o Wat-
son analisou 25 mil casos clnicos com a assistncia de 14.770
mdicos para buscar melhorar sua acurcia diagnstica e est
ficando mais inteligente a cada ano. Sua rede de oncologia
hoje consultada por especialistas de um grande nmero de
hospitais.
O programa Precision Medicine Initiative prev estabelecer
uma base de dados genticos de um milho de pessoas para
avaliar a eficcia de drogas em condies especficas.
O processamento de um grande volume de informaes
em sade permitir melhorar a compreenso da gnese, diag-
nstico e tratamento de problemas de sade no s do indiv-
duo, como da populao. Permitir, em consequncia, propor
novas aes voltadas promoo, preveno e recuperao da
sade, o que incluiria a necessidade de eventual reestrutura-
o dos sistemas voltados a desenvolver essas aes.
Mas se o computador fornece o know-what, caber ao m-
dico discutir o problema de sade e suas possveis solues
com o paciente, indicando o know-why do seu caso. Isto requer
uma contnua preocupao com a qualidade da formao
mdica e o entendimento de que o mdico talvez seja o mais
importante agente teraputico, pela orientao que d a seu
paciente e, consequentemente, pelo alvio de suas tenses e
necessidades.
REFERNCIAS
1. Knox R. The Fading Art of the Physical Exam. National
Public Radio [internet]. 2010 Sep 20;Science. Dispon-
vel em: http://www.npr.org/templates/story/story.
php?storyId=129931999
2. Bleish H. Computer Evaluation of Acid-Base Disorders,
JClinInv. 1972;53:285-291.
3. Wikipedia contributors. Clinical decision support sys-
tem. Wikipedia, The Free Encyclopedia [capturado
5 mai. 2017]. Disponvel em: https://en.wikipedia.
org/w/index.php?title=Clinical_decision_support_
system&oldid=778842100.
4. Bond WF, Schartz LM, Weaver KR, Levick D, Giuliano M,
Graber ML. Differential Diagnosis Generators: an evalua-
tion of currently available computer programs. JGenIntern
Med. 2011;27(2):213-319.
5. Berner ES. Clinical Decision Support Systems: theory and
practice.New York:Springer; 1999.
Revista Brasileira de Educao Mdica
192 41 (2) : 185 193 ; 2017
6. Wikipedia contributors. Clinical decision support system.
Wikipedia, The Free Encyclopedia [capturado 6 mai. 2017].
Disponvel em: https://en.wikipedia.org/wiki/Clinical_
decision_support_system
7. Castaneda C, Nafley K, Mannion C, Bhattacharyya P,
Blake P, Pecora A, Goy A, Suh KS. Clinical Decision Su-
pport Systems for Improving Diagnostic Accuracy and
Achieving Precision Medicine. JClin Bioinforma. 2015:5(4).
Disponvel em: www.ncbi.nlm.nih.gov/pmc/articles/
PMC4381462/.
8. Elstein AS, Shulman LS. Sprafka SA. Medical Problem
Solving: an analysis of clinical reasoning. Cambridge
(MA):Harvard University Press; 1978.
9. Rimoldi HJA. Diagnosing the Diagnostic Process. Medical
Education.1988;22(4):270-278.
10. Fornaziero CC, Gordan PA, Garanhani ML. O raciocnio
clnico dos estudantes de medicina em uma universidade
pblica do Brasil. Rev Bras Educ Med. 2012;36(4):463-469.
11. Conant JB. Two Modes of Thought. New York: Trident
Press; 1964.
12. Weed LL. Medical Records, patient care and medical edu-
cation. Irish J Med Sci.1964;6:271-282.
13. Lobo LCG. Pronturio Mdico Orientado para Problemas.
Rev Hosp Clin Fac Med S Paulo.1976;31:67-72.
14. Turing AM. Computing Machinery and Intelligence.
Mind.1950;49:433-460.
15. McCarthy J, Minsky ML, Rochester N, Shanon CE. A Pro-
posal of the Dartmouth Summer Research Project on Ar-
tificial Intelligence. Disponvel em:http://en.wikipedia.
org/wiki/History_of_artificial_intelligence
16. Shortlife EH. The Adolescence of AI in medicine: will the
field come of age in the 90s. Artif Intell Med. 1993;5(2):93-166.
17. Patel VL, Shortlife EH, Stefanelli M, Szolovits P, Berthold
MR, Bellazi R, Abu-Hanna A. The Coming Age of Artificial
Intelligence in Medicine. Artif Intell Med 2009;46(1):5-17.
18. Mukherjee S. A.I. Versus M.D: what happens when diag-
nosis is automated? The New Yorker [on line] 2010 april
3. [capturado 3 mai. 2017] Disponvel em: <http://www.
newyorker.com/magazine/2017/04/03/ai-versus-md>.
19. MeloM, ScarpinDJ, Amaro JR,EPassos, RBD, SatoJR, Fris-
ton KJ,Price CJ. How Doctors Generete Diagnostic Hypo-
theses: Study of Radiological Diagnosis with Functional
Magnetic Ressonance Imaging. Disponvel em: http://
journal.plos.org/plosone/article?id=10.1371/journal.
pone.0028752
20. CISCO VNI Mobile,2015, Cyber Academy. Global Mobile
Traffic ForecastCAGR = Computed Annual Growth Rate.
Edinburgh.
Luiz Carlos Lobo DOI: http://dx.doi.org/10.1590/1981-52712015v41n2esp

21. Topol E. The Patient Will See You Now:the future of medi- 25. Merker J. Fleury Testa Watson para Sade. Baguete [cap-
cine is in your hands. New York:Basic Books,2015. turado 7 mai. 2017] Disponvel em: https://www.baguete.
22. LoboL CG. Sistemas de Informao e Planejamento de com.br/noticias/04/10/2016/fleury-testa-watson-para-
Sade. Braslia: Ed.Univ. Braslia,1993. -saude
23. IBM. IBMs Watson Supercomputer May Soon be the Best
Doctor in the World, Busines Insider [capturado 8 mai. CONFLITO DE INTERESSES
2017] Disponvel em: Wikipedia contributors. Clinical de- O autor negou haver qualquer conflito de interesses.
cision support system. Wikipedia, The Free Encyclopedia
[capturado 5 mai. 2017]. Disponvel em: http://www. ENDEREO PARA CORRESPONDNCIA
businessinsider.com/ibms-watson-may-soon-be-the-best- Luiz Carlos Lobo
-doctor-in-the-world-2014-4 Rua Raul Pompia, 94 apto 1007
24. IBM. Como o Watson, a plataforma de computao cogni- Copacabana Rio de Janeiro
tiva da IBM, est ajudando a revolucionar o perfil de cinco CEP 22080-002 RJ
verticais econmicas, IDGNOW [capturado 6 Mai.2017] E-mail: luizcarloslobo@gmail.com
Disponvel em: http://idgnow.com.br/ti-corporati-
va/2016/06/20/como-o-watson-a-plataforma-de-compu-
tacao-cognitiva-da-ibm-esta-ajudando-a-revolucionar-o-
-perfil-de-cinco-verticais-economicas

Revista Brasileira de Educao Mdica

193 41 (2) : 185 193 ; 2017