Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
Esta análise de economia da saúde do estudo LungIMPACT conclui que o uso de IA para priorizar radiografias de tórax para câncer de pulmão na Inglaterra não é custo-efetivo em comparação com a interpretação assistida por IA isoladamente ou com a prática atual, pois aumenta os custos sem reduzir o tempo para o diagnóstico.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine o corpo humano como uma cidade movimentada e, dentro dessa cidade, um encrenqueiro silencioso e sorrateiro tentando montar seu negócio: o câncer de pulmão. Esse encrenqueiro é astuto porque, nos primeiros dias, não faz muito barulho. Ele não grita por atenção; ele apenas sussurra, talvez causando uma tossezinha ou um pouco de cansaço que as pessoas costumam ignorar. Por ser tão silencioso, ele frequentemente só é capturado depois de ter crescido e ficado forte, tornando muito mais difícil de derrotar.
Para capturar esse encrenqueiro precocemente, os médicos usam uma "câmera de raio-X" especial chamada Radiografia de Tórax (CXR). É como tirar uma foto rápida do horizonte da cidade para ver se há nuvens escuras se formando. Todos os anos na Inglaterra, os Clínicos Gerais (GPs) enviam milhões dessas fotografias para o departamento de radiologia. Mas aqui está o problema: o departamento de radiologia é como uma sala de correio enorme e transbordando. Milhares de fotos chegam todos os dias, e os médicos que as leem (radiologistas) têm que separar a pilha um por um. Se uma nuvem perigosa estiver escondida no meio da pilha, ela pode passar despercebida ou ser atrasada enquanto os médicos olham primeiro para as que são inofensivas.
Recentemente, cientistas inventaram um ajudante digital: a Inteligência Artificial (IA). Pense nesta IA como um assistente robô superveloz que pode escanear cada foto em uma fração de segundo. O trabalho dele é detectar as "nuvens escuras" (manchas suspeitas) e gritar: "Ei! Olhe para esta primeiro!" Isso é chamado de "priorização". A grande questão que todos queriam responder era: se deixarmos este assistente robô gritar e mover as fotos assustadoras para a frente da fila, ele realmente ajudará a capturar o encrenqueiro mais rápido sem custar uma fortuna ao serviço de saúde? Esta é a história do estudo LungIMPACT, que tentou descobrir se este chapéu de seleção de alta tecnologia valia realmente o preço cobrado.
O Grande Experimento de Seleção
Na Inglaterra, um experimento massivo chamado estudo LungIMPACT foi lançado para testar exatamente essa ideia. Os pesquisadores reuniram dados de quase 87.000 pacientes que realizaram radiografias de tórax após visitarem seu Clínico Geral. Eles dividiram esses pacientes em dois grupos para ver o que acontecia.
No primeiro grupo, a IA foi ligada para fazer seu trabalho de "gritar". Ela escaneou as radiografias e sinalizou aquelas que pareciam suspeitas, dizendo aos médicos humanos: "Priorizem estas! Leiam imediatamente!" No segundo grupo, a IA também foi usada para ajudar a ler as imagens, mas recebeu a instrução de ficar quieta. Ela não gritou nem moveu as fotos para a frente; os médicos apenas leram as radiografias na ordem em que chegaram, com a ajuda da IA como uma segunda opinião.
O objetivo era simples: ver se o grupo do "grito" recebia seus diagnósticos mais rapidamente. Se a IA pudesse reduzir o tempo entre a realização da radiografia e a descoberta de que alguém tinha câncer de pulmão, seria uma grande vitória para os pacientes. Mas havia um porém. Os pesquisadores também tiveram que contar o dinheiro. Eles observaram cada centavo gasto: o custo das radiografias, das tomografias computadorizadas (CT scans), dos testes extras e até a taxa para alugar o software de IA e o custo de conectá-lo aos sistemas de computador do hospital.
O Resultado Surpreendente: O Robô Não Salvou o Dia
Após analisar os números, o estudo encontrou um resultado que pode surpreender você. A IA do "grito" não acelerou significamente o diagnóstico.
Aqui está o detalhamento do que aconteceu:
- Tempo: O tempo para obter um diagnóstico foi quase o mesmo em ambos os grupos. No grupo onde a IA gritou para priorizar as fotos, o tempo médio para um diagnóstico foi de cerca um 75 dias. No grupo onde a IA apenas ajudou a ler sem gritar, foi de cerca de 77 dias. Essa diferença minúscula não foi suficiente para dizer que a IA do grito realmente fez uma diferença real.
- Dinheiro: Como o software de IA tem um custo de licenciamento e um custo para instalação nos computadores dos hospitais, o grupo do "grito" custou, na verdade, mais dinheiro ao serviço de saúde. O estudo calculou que o uso do recurso de priorização adicionou cerca de £1 por paciente em comparação ao uso da IA sem o recurso de gritar.
Quando os pesquisadores olharam para o panorama geral de toda a Inglaterra, a matemática tornou-se ainda mais contundente. Se cada Clínico Geral na Inglaterra (que solicita cerca de 2,2 milhões de radiografias por ano) usasse a IA para priorizar as radiografias, isso custaria ao NHS um extra de £2,2 milhões por ano apenas para obter esse minúsculo, quase inexistente, ganho de tempo. Se comparassem o método da IA com a forma antiga de fazer as coisas (sem IA nenhuma), o custo saltaria entre £16 milhões e £35 milhões por ano.
Por Que Não Funcionou?
Os pesquisadores sugerem que o problema não era a IA em si, mas onde ela estava tentando ajudar. Imagine uma rodovia onde o tráfego está congestionado. Se você tem um helicóptero que consegue identificar os carros mais lentos e dizer a eles para irem para a faixa rápida, isso é ótimo. Mas se a rodovia inteira está travada porque não há faixas suficientes ou policiais suficientes para gerenciar o fluxo, mover um carro para a frente não desobstrui o congestionamento.
No caso do diagnóstico de câncer de pulmão, o "congestionamento" acontece após a radiografia. Mesmo que a IA mova a radiografia assustadora para a frente da fila, o paciente ainda tem que esperar por uma tomografia computadorizada, depois esperar por um especialista para olhar os resultados, e então esperar por uma reunião de equipe para decidir o tratamento. O estudo descobriu que a IA não conseguia resolver os gargalos que ocorriam apto da radiografia ser lida. O sistema já estava tão ocupado que mover a radiografia para a frente não tornava todo o processo mais rápido.
A Conclusão Final
O estudo conclui que, pelo menos por enquanto, usar a IA para priorizar imediatamente as radiografias de tórax não é um bom uso de dinheiro para o serviço de saúde. Custa mais do que economiza e não consegue, de fato, diagnosticar os pacientes mais rapidamente.
Os autores são muito claros sobre isso: eles não estão dizendo que a IA é inútil para sempre. Eles estão dizendo que esta forma específica de usá-la — gritar para mover as radiografias para a frente da linha — não funciona bem o suficiente para justificar o custo. Em vez de gastar milhões com esta ferramenta específica, o estudo sugere que o serviço de saúde pode obter melhores resultados corrigindo as outras partes do processo, como contratar mais funcionários ou garantir que haja tomógrafos e médicos suficientes para lidar com os pacientes uma vez que eles sejam sinalizados.
Em resumo, o assistente robô tentou ser um herói gritando "Olhe para mim primeiro!", mas o resto da equipe estava ocupado demais para ouvir. Até que toda a equipe possa se mover mais rápido junta, apenas gritar na frente da fila não resolverá o problema.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.