ChatGPT para Saúde: NUHS de Singapura Usa IA para Aumentar a Produtividade dos Clínicos

O National University Health System em Singapura (NUHS) está recorrendo à tecnologia de inteligência artificial para melhorar a produtividade dos clínicos. No centro desse objetivo está seu GPT recém-lançado, adaptado para provedores de saúde.

Relatórios de segunda-feira revelaram que a NUHS lançou uma ferramenta semelhante ao ChatGPT que pode ajudar os profissionais de saúde a resumir notas de casos de pacientes em segundos. Chamada de “RUSSELL-GPT”, o modelo de linguagem grande também é capaz de escrever cartas de referência coerentes para médicos a partir dos resumos.

O RUSSELL-GPT foi especificamente treinado para fornecer assistência e respostas a perguntas relacionadas a condições médicas e diretrizes de prática clínica, de acordo com o relatório. O modelo de IA já está sendo usado no modelo de IA de Previsão de Trajetória do Paciente da NUHS para analisar as jornadas de saúde individuais dos pacientes a partir de dados históricos. 

“Desde a síntese de conhecimento médico local preciso até a redução do trabalho administrativo de nossos médicos e enfermeiros, este LLM trará benefícios tanto para os profissionais de saúde quanto para os pacientes”, diz o professor associado e CTO do grupo na NUHS, Ngiam Kee Yuan.

NUHS Constrói Ferramenta Semelhante ao ChatGPT para Facilitar Fluxos de Trabalho Médicos

A nova ferramenta de IA é construída, segundo relatos, sobre a infraestrutura de supercomputação Prescience em escala de petabytes da NUHS, que se tornou totalmente operacional em julho. A instalação de supercomputação também hospeda o SMILE AI, outro modelo de mapeamento dental 3D com IA que pode mostrar a posição da condição dos dentes na boca. 

Falando sobre o caso de uso do supercomputador em IA, o diretor de Estratégia, Planejamento e Engajamento da NSCC, Bernard Tan, disse: 

“O lançamento do supercomputador da NUHS é oportuno devido ao interesse sem precedentes em [g]enerative AI, e especialmente com a escassez mundial de demanda pelos recursos de computação necessários para impulsionar essas tecnologias orientadas por IA.”

A NUHS está atualmente procurando expandir o caso de uso do RUSSELL-GPT, implantando-o em seu cluster progressivamente. No futuro, a instituição de saúde pretende usar a ferramenta para analisar e prever a gravidade e a trajetória de condições de saúde comuns, como infecções do trato urinário. 

O RUSSELL-GPT agora se junta à curta lista de modelos de linguagem grande projetados para fornecer assistência a profissionais médicos.

Em junho, a Cryptopolitan relatou que a UNC Health, em colaboração com a Epic e a Microsoft, está testando um LLM para reduzir o esgotamento dos clínicos e melhorar a relação paciente-fornecedor de saúde. A ferramenta de IA consegue isso ajudando os clínicos a rascunhar respostas às comunicações dos pacientes, entre outras capacidades.

No mês passado, o Integrated Health Information Systems de Singapura também assinou um memorando de entendimento com a Microsoft para construir aplicativos inteligentes com IA generativa, um dos quais inclui um GPT que pode automatizar tarefas e transformar os fluxos de trabalho dos clínicos.

O Problema dos Modelos de IA na Saúde

Acredita-se que a inteligência artificial traga enormes benefícios para o setor de saúde e além. O desenvolvimento de LLMs é apenas uma das aplicações mais exploradas da tecnologia. No entanto, apesar dos casos de uso promissores, alguns pesquisadores descobriram que as informações médicas geradas por IA podem representar alguns riscos. 

Pesquisadores do MIT aprenderam recentemente que os modelos de IA têm o potencial de exacerbar desigualdades e vieses no diagnóstico e tratamento médicos, especialmente para subgrupos sub-representados. Os vieses podem interferir na forma como certas pessoas ou grupos são tratados.

Em sua análise, os pesquisadores descobriram quatro tipos de mudanças nas subpopulações que causam vieses nos modelos de IA. Essas incluem correlações espúrias, desequilíbrio de atributos, desequilíbrio de classes e generalização de atributos. De acordo com a equipe, essas mudanças precisam ser abordadas para alcançar a equidade com os modelos de IA no campo médico.