A seleção por provedores de saúde de um diagnóstico recomendado por inteligência artificial (IA) em 84% dos casos virtuais de atenção primária demonstraou um potencial significativo para melhorar a triagem de pacientes, de acordo com um estudo publicado recentemente na Mayo Clinic Proceedings: Digital Health.
A pesquisa avaliou a precisão diagnóstica de uma ferramenta de IA fornecida pela K Health, uma empresa de tecnologia que opera uma prática de atenção primária virtual nos Estados Unidos. A IA é utilizada para a admissão de pacientes e recomendações diagnósticas, segundo o estudo.
Os pacientes iniciam sua visita virtual de atenção primária e acessam a IA via web ou um aplicativo móvel. Os pacientes digitam suas preocupações médicas e compartilham informações demográficas, o que leva a IA a fazer perguntas sobre o histórico médico e os sintomas.
A partir daí, os pacientes recebem uma lista de possíveis condições associadas aos seus sintomas e podem optar por consultar um provedor de saúde por meio da plataforma virtual de atenção primária. No início dessa visita, o provedor revisa o resumo de admissão do paciente e um diagnóstico diferencial gerado por IA.
O diagnóstico diferencial é baseado nos sintomas relatados pelo paciente e oferece um máximo de cinco diagnósticos mais prováveis, que são ordenados por probabilidade, observaram os pesquisadores. Os profissionais de saúde virtuais entrevistam cada paciente por vídeo ou texto antes de fazer um diagnóstico final e recomendar o tratamento.
A equipe de pesquisa afirmou que essa abordagem pode ajudar os provedores a ampliar seu escopo e reconhecer doenças menos comuns, mas os médicos são instruídos a usar seu próprio julgamento clínico ao considerar as sugestões da IA.
No entanto, determinar a precisão de uma ferramenta diagnóstica é vital para proteger os pacientes e garantir que tais ferramentas sejam valiosas no cenário clínico. Assim, os pesquisadores se propuseram a avaliar o desempenho da ferramenta de IA da K Health. Eles realizaram uma revisão retrospectiva de prontuários de 102.059 encontros virtuais de atenção primária de 1º de outubro de 2022 a 31 de janeiro de 2023. Os pacientes da coorte foram submetidos à entrevista médica de IA e à avaliação do profissional descrita acima.
A partir desses dados, os pesquisadores avaliaram a precisão da IA em termos de concordância entre diagnósticos de IA, provedores de cuidados virtuais e julgadores cegos. A concordância diagnóstica também foi analisada através de características demográficas, apresentando sintomas, diagnósticos e níveis de experiência dos profissionais.
Após a análise inicial, o modelo foi retreinado e reavaliado para avaliar a melhoria do desempenho. Os provedores selecionaram a sugestão de diagnóstico mais bem classificada da IA em 60,9% dos casos, mas escolheram um dos cinco diagnósticos potenciais recomendados pela IA em 84,2% dos casos.
A taxa de concordância variou dependendo do diagnóstico, com a IA e os profissionais concordando 90% ou mais do tempo para 57 diagnósticos. No entanto, essa taxa de concordância subiu para 95% ou mais quando os diagnósticos foram reduzidos para 35. A taxa média de concordância para metade de todos os sintomas apresentados foi maior ou igual a 90% no geral.
Nos casos em que a adjudicação era necessária, o diagnóstico consensual — alcançado em 58,2% dos casos — sempre esteve presente no diagnóstico diferencial da IA.
A acurácia diagnóstica variou minimamente entre as características demográficas, e a experiência do profissional não teve impacto na concordância. O retreinamento do modelo melhorou o desempenho da IA aumentando a precisão do diagnóstico de 96,6% para 98%.
Os achados indicam que a concordância entre provedores é alta na maioria dos casos analisados no contexto do estudo. Os pesquisadores concluíram que a IA tem um potencial significativo para avançar a triagem de pacientes e o diagnóstico de doenças na atenção primária.
O estudo é parte de uma série de pesquisas dedicadas a avaliar as aplicações potenciais da IA em ambientes de atenção primária.
No ano passado, pesquisadores mostraram que um dispositivo baseado em IA pode ajudar os provedores de cuidados primários a diagnosticar com precisão o transtorno do espectro autista (TEA) em crianças de até seis anos de idade.
A pesquisa destacou que o rastreamento tradicional do TEA depende da disponibilidade de especialistas e da conclusão de avaliações comportamentais demoradas e baseadas em equipe, o que pode fazer com que o processo desde a triagem inicial até o diagnóstico final leve até 18 meses.
Os pesquisadores indicaram que o uso de auxiliares de diagnóstico na atenção primária pode ajudar a facilitar o diagnóstico de TEA, levando-os a avaliar a precisão de uma dessas ferramentas, um software baseado em IA como um dispositivo médico (SaMD). A ferramenta aproveita o aprendizado de máquina para fazer recomendações de diagnóstico, avaliando cada paciente quanto a características comportamentais preditivas do TEA.
A precisão do dispositivo variou de acordo com o subgrupo de pacientes, mas a equipe de pesquisa concluiu que a IA pode ter um potencial significativo para ajudar no diagnóstico de TEA na atenção primária.