Mayo Clinic e Harvard divulgaram avan\u00e7os em IA que destacam potencial de diagn\u00f3stico precoce e triagem em emerg\u00eancias, com impactos na pr\u00e1tica m\u00e9dica. Os estudos mostram IA identificando sinais de doen\u00e7as antes de diagn\u00f3sticos formais, em cen\u00e1rios cl\u00ednicos reais, e com compara\u00e7\u00e3o a m\u00e9dicos humanos.<\/p>\n
Na Mayo Clinic, o modelo REDMOD analisou quase 2 mil tomografias de rotina inicialmente consideradas normais. Em 73% dos casos de c\u00e2ncer pancre\u00e1tico que surgiram posteriormente, a IA sinalizou a doen\u00e7a, frente a 39% de detec\u00e7\u00e3o por radiologistas. O tempo m\u00e9dio de vantagem foi de 16 meses.<\/p>\n
Em Harvard, pesquisadores avaliaram o modelo o1 em situa\u00e7\u00f5es de triagem de pronto atendimento, comparando com m\u00e9dicos. Em seis experimentos, o modelo atingiu 67% de diagn\u00f3sticos exatos ou pr\u00f3ximos, contra 55% e 50% dos m\u00e9dicos. Revisores cegos n\u00e3o distinguiram diagn\u00f3sticos humanos dos gerados pela IA.<\/p>\n
Os estudos ressaltam que nenhuma implementa\u00e7\u00e3o cl\u00ednica \u00e9 recomendada ainda; os autores pedem ensaios prospectivos. A diferen\u00e7a mais evidente ocorreu nos minutos iniciais de triagem, quando as informa\u00e7\u00f5es s\u00e3o escassas e as decis\u00f5es s\u00e3o cruciais.<\/p>\n
Mudan\u00e7as no cen\u00e1rio e implica\u00e7\u00f5es<\/p>\n
Outros t\u00f3picos relevantes envolvendo IA<\/p>\n
Essa frente de pesquisa aponta para um debate em andamento sobre quando e como incorporar IA de forma segura na assist\u00eancia m\u00e9dica, especialmente em cen\u00e1rios de diagn\u00f3stico precoce e triagem em servi\u00e7os de sa\u00fade.<\/p>\n","protected":false},"excerpt":{"rendered":"