O SADM é baseado em princípios de análises de decisões, que organiza e esclarece informações importantes quanto aos riscos e benefícios de cada tratamento possível, simplificando o processo de decisão para o paciente e para o médico. Mas, apesar desta ajuda, o paciente ainda precisa fazer a sua opção de tratamento e confiar no médico que o acompanha para que este possa explicar, com maiores detalhes, os riscos de cada procedimento. Este método de análise, que possui vantagens e desvantagens, está sendo cada vez mais usado para fornecer as opções mais simples dentro da enorme variedade de alternativas avaliadas.
A avaliação das condutas leva em consideração os prós e contras de cada tratamento possível e os resultados esperados. A recomendação de um tratamento é específico para cada indivíduo, levando em conta os fatores de risco e a preferência de resultados na opinião do paciente e é apresentado de forma simples, facilitando o entendimento pelo paciente.
O SADM tem como elemento básico um programa com os seguintes módulos:
- Perfil do paciente: contém os dados demográficos e os sintomas do paciente.
- Diagnósticos: calcula a probabilidade de possíveis diagnósticos, baseados na sintomatologia apresentada e em possíveis exames complementares.
- Avaliação das preferências dos pacientes: permite interação entre os riscos para o paciente e os resultados prioritários para o mesmo.
- Análises: usado para avaliar as alternativas de terapêutica, dando um gráfico como resultado final da pesquisa, que permite ao médico e ao paciente, a exploração dos resultados. Este módulo apresenta, para o paciente, escolhas simples para estabelecer os riscos e benefícios. Isso ajuda-o a entender, por exemplo, se o risco de uma dor é maior ou menor que o risco de uma cirurgia e seus possíveis resultados adversos, aumentando a compreensão e a vontade do paciente em aceitar certos riscos para melhorar a sua qualidade de vida.
O sucesso do SADM requer uma aproximação multidisciplinar, envolvendo cientistas, médicos e informática.
A Inteligência Artificial busca criar sistemas de computadores cujo comportamento seja igual ao dos humanos, não tendo o intuito de ser independente, mas de auxiliar o homem em vários aspectos.
A Inteligência Artificial em medicina (AIM) tem como objetivo prover ao profissional de saúde uma assistência a partir de manipulação de informações sobre dados e conhecimentos. Este sistema tem capacidade de aprender e lidar com as descobertas de um novo fenômeno por possuir subcampos para aprendizado que resultaram em técnicas com potencial de alterar o curso de um conhecimento, cruzando dados e formulando hipóteses.
Os tipos mais comuns de AIM são os sistemas baseados no conhecimento ou "expert systems", que contêm vários exemplos da atuação da AIM na realidade clínica. Eles contêm conhecimentos médicos e são capazes de lidar com dados de cada paciente para chegarem a conclusões racionais.
Há vários tipos de tarefas clínicas que um "expert system" pode aplicar:
- Geração de alertas e lembretes;
- Assistência diagnóstica;
- Crítica e planejamento terapêuticos;
- Agentes para recuperação de informação;
- Reconhecimento e interpretação de imagens.
Exemplos
1.AI pode estar em um sistema eletrônico de dados médicos e alertar quando detectar alguma contra-indicação no tratamento proposto ou quando perceber alterações nos dados que sugiram uma mudança significante nas condições do paciente:
- Sistema Attending, para anestesiologia.
- Sistema Oncocin, para quimioterapia.
2.Sistemas de diagnóstico e educação:
- "DX plain": auxilia o diagnóstico através da análise de achados clínicos como sinais, sintomas e dados laboratoriais e produz uma lista dos diagnósticos mais prováveis. Ele justifica cada diagnóstico diferencial e sugere investigações adicionais. O sistema contém 4500 manifestações clínicas, mais de 2000 doenças diferentes e é usado em grande número de hospitais e escolas médicas dos EUA.
- "HELP system": comporta não só aplicações de rotina de um sistema de informação hospitalar (admissões, demissões e ordem de entrada) bem como função de suporte à decisão (alertas e lembretes, interpretação de dados, facilidades diagnósticas, sugestões de manejamento dos pacientes e protocolos clínicos).
- Sistema de apoio à decisão em litíase e tuberculose (CIS-EPM-UNIFESP-Brasil).
3.Sistemas de informações laboratoriais:
- "PUFF system": interpretação automática de teste de função pulmonar.
- "Germ Watcher": policia infecções hospitalares, comparando critérios nacionais e locais.
- "PEIRS"(Pathology Expert Interpretative Reporting System): interpreta de 80 a 100 exames laboratoriais por dia, com uma acurácia diagnóstica de aproximadamente 95%.
4. Monitor cardíaco em UTI.
5. Medidor de gasometria arterial em UTI.
1.AI pode estar em um sistema eletrônico de dados médicos e alertar quando detectar alguma contra-indicação no tratamento proposto ou quando perceber alterações nos dados que sugiram uma mudança significante nas condições do paciente:
- Sistema Attending, para anestesiologia.
- Sistema Oncocin, para quimioterapia.
2.Sistemas de diagnóstico e educação:
- "DX plain": auxilia o diagnóstico através da análise de achados clínicos como sinais, sintomas e dados laboratoriais e produz uma lista dos diagnósticos mais prováveis. Ele justifica cada diagnóstico diferencial e sugere investigações adicionais. O sistema contém 4500 manifestações clínicas, mais de 2000 doenças diferentes e é usado em grande número de hospitais e escolas médicas dos EUA.
- "HELP system": comporta não só aplicações de rotina de um sistema de informação hospitalar (admissões, demissões e ordem de entrada) bem como função de suporte à decisão (alertas e lembretes, interpretação de dados, facilidades diagnósticas, sugestões de manejamento dos pacientes e protocolos clínicos).
- Sistema de apoio à decisão em litíase e tuberculose (CIS-EPM-UNIFESP-Brasil).
3.Sistemas de informações laboratoriais:
- "PUFF system": interpretação automática de teste de função pulmonar.
- "Germ Watcher": policia infecções hospitalares, comparando critérios nacionais e locais.
- "PEIRS"(Pathology Expert Interpretative Reporting System): interpreta de 80 a 100 exames laboratoriais por dia, com uma acurácia diagnóstica de aproximadamente 95%.
4. Monitor cardíaco em UTI.
5. Medidor de gasometria arterial em UTI.
Fonte: EPM virtual
Os sistemas de apoio à decisão clínica (SAD) tiveram um momento de auge nos anos 70 com os primeiros experimentos utilizando técnicas bayesianas e encadeamento de regras. Os resultados não eram ruins, ao contrário, eram promissores. Mas os sistemas especialistas empacaram, continuaram apenas como objeto de estudo acadêmico, com alguns exemplos interessantes disponíveis publicamente na Internet, mas sem uso prático extensivo. Um dos motivos alegados para este fato foi o receio paralisante de que os produtores de software de apoio à decisão pudessem ser responsabilizados por ‘erros médicos’ provocados, mesmo que indiretamente, pelo uso, ou mau uso, dos sistemas. Com a tradição norte-americana de seguros e indenizações vultosas por erros médicos, os fornecedores de software julgaram arriscado assumir riscos nesse mercado. O assunto parecia esquecido, mas, nos últimos anos, o interesse pelos sistemas de apoio à decisão clínica está sendo retomado pelo caminho da integração com outras ferramentas de prontuário eletrônico e com maior abrangência.
Nenhum comentário:
Postar um comentário