Depois do seu triunfo no Jeopardy!, a IA da IBM parecia estar pronta para revolucionar a medicina. Os médicos ainda estão à espera
Em 2014, a IBM abriu uma nova sede para a sua divisão de inteligência artificial, conhecida como IBM Watson. Dentro da torre vítrea da baixa Manhattan, a IBMers pode trazer potenciais clientes e jornalistas visitantes para a “sala de imersão”, que se assemelha a um planetário em miniatura. Ali, no espaço escuro, os visitantes sentam-se em banquetas giratórias enquanto os gráficos extravagantes piscam à volta das telas curvas que cobrem as paredes. É o mais próximo que se pode chegar, dizem por vezes os IBMers, de estar dentro do cérebro electrónico de Watson.
Uma demonstração deslumbrante de 2014 do poder cerebral de Watson mostrou o seu potencial para transformar a medicina usando a IA – um objectivo que a CEO da IBM, Virginia Rometty, chama frequentemente de tiro à lua da empresa. Na demonstração, Watson pegou numa colecção bizarra de sintomas de pacientes e apresentou uma lista de possíveis diagnósticos, cada um anotado com o nível de confiança de Watson e ligações à literatura médica de apoio.
Com os confortáveis limites da cúpula, Watson nunca deixou de impressionar: Os seus bancos de memória tinham conhecimento de todas as doenças raras, e os seus processadores não eram susceptíveis ao tipo de enviesamento cognitivo que pode desmotivar os médicos. Podia resolver um caso difícil em meros segundos. Se Watson pudesse trazer essa perícia instantânea para hospitais e clínicas em todo o mundo, parecia possível que a IA pudesse reduzir erros de diagnóstico, optimizar tratamentos, e mesmo aliviar a escassez de médicos – não substituindo os médicos, mas ajudando-os a fazer o seu trabalho mais depressa e melhor.
Fora da sede da empresa, contudo, a IBM descobriu que a sua poderosa tecnologia não está à altura da realidade confusa do sistema de saúde actual. E ao tentar aplicar Watson ao tratamento do cancro, um dos maiores desafios da medicina, a IBM deparou-se com um descompasso fundamental entre a forma como as máquinas aprendem e a forma como os médicos trabalham.
A ousada tentativa da IBM de revolucionar os cuidados de saúde começou em 2011. No dia seguinte ao Watson ter derrotado completamente dois campeões humanos no jogo do Jeopardy!, a IBM anunciou um novo caminho de carreira para o seu vencedor do quiz-show da IA: Tornar-se-ia um médico da IA. A IBM iria pegar na tecnologia revolucionária que exibia na televisão – principalmente, a capacidade de compreender a linguagem natural – e aplicá-la à medicina. As primeiras ofertas comerciais da Watson para cuidados de saúde estariam disponíveis em 18 a 24 meses, a empresa prometeu.
De facto, os projectos que a IBM anunciou que o primeiro dia não produziria produtos comerciais. Nos oito anos decorridos desde então, a IBM tem trunfado muitos mais esforços de alto nível no desenvolvimento de tecnologia médica com poder de IA – muitos dos quais têm efervescido, e alguns dos quais têm falhado espectacularmente. A empresa gastou milhares de milhões em aquisições para reforçar os seus esforços internos, mas os funcionários dizem que as empresas adquiridas ainda não contribuíram muito. E os produtos que surgiram da divisão Watson Health da IBM não são nada parecidos com o brilhante médico da IA que outrora foi visionado: São mais como assistentes de IA que podem realizar certas tarefas de rotina.
“Reputativamente, penso que estão com alguns problemas”, diz Robert Wachter, presidente do departamento de medicina da Universidade da Califórnia, São Francisco, e autor do livro de 2015 The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age (McGraw-Hill). Em parte, diz ele, a IBM está a sofrer com a sua ambição: Foi a primeira empresa a fazer um grande esforço para levar a IA à clínica. Mas também ganhou má vontade e ceticismo ao vangloriar-se das capacidades de Watson. “Chegaram com o marketing em primeiro lugar, o produto em segundo, e entusiasmaram toda a gente”, diz ele. “Depois a borracha fez-se à estrada. Este é um conjunto de problemas incrivelmente difícil, e a IBM, ao ser a primeira a sair, demonstrou isso para todos os outros”
Numa conferência de profissionais de TI da saúde em 2017, o CEO da IBM Rometty disse à multidão que a IA “é real, é mainstream, está aqui, e pode mudar quase tudo sobre os cuidados de saúde”, e acrescentou que poderia inaugurar uma “era de ouro” médica. Ela não está sozinha a ver uma oportunidade: Especialistas tanto em informática como em medicina concordam que a IA tem o potencial de transformar a indústria dos cuidados de saúde. No entanto, até agora, esse potencial tem sido demonstrado principalmente em experiências cuidadosamente controladas. Apenas algumas poucas ferramentas baseadas na IA foram aprovadas pelos reguladores para utilização em hospitais e consultórios médicos reais. Estes produtos pioneiros funcionam principalmente no domínio visual, utilizando a visão por computador para analisar imagens como raios X e varrimentos de retina. (A IBM não tem um produto que analise imagens médicas, embora tenha um projecto de investigação activa nessa área.)
Looking beyond images, however, mesmo a melhor IA de hoje em dia luta para dar sentido à informação médica complexa. E codificar a perícia de um médico humano em software acaba por ser uma proposta muito complicada. A IBM aprendeu estas dolorosas lições no mercado, tal como o mundo assistiu. Embora a empresa não esteja a desistir do seu lançamento, os seus fracassos no lançamento mostraram tanto aos tecnólogos como aos médicos como é difícil construir um médico da IA.
p>A vitória do Jeopardy! em 2011 mostrou a notável habilidade de Watson com o processamento da linguagem natural (PNL). Para jogar o jogo, teve de analisar pistas complicadas cheias de jogo de palavras, pesquisar em massa bases de dados textuais para encontrar possíveis respostas, e determinar a melhor. Watson não era um motor de busca glorificado; não se limitava a devolver documentos com base em palavras-chave. Em vez disso, empregou centenas de algoritmos para mapear as “entidades” numa frase e compreender as relações entre elas. Utilizou esta habilidade para dar sentido tanto à pista do Jeopardy! como aos milhões de fontes de texto que extraía.
“Quase parecia que Watson conseguia compreender o significado da linguagem, em vez de apenas reconhecer padrões de palavras”, diz Martin Kohn, que era o cientista médico chefe da IBM Research na altura da partida do Jeopardy! “Era uma ordem de magnitude mais poderosa do que a que existia”. Além disso, Watson desenvolveu esta capacidade por si só, através da aprendizagem mecânica. Os investigadores da IBM formaram o Watson dando-lhe milhares de pistas e respostas que foram rotuladas como correctas ou incorrectas. Neste complexo conjunto de dados, a IA descobriu padrões e fez um modelo de como passar de uma entrada (uma pista) para uma saída (uma resposta correcta).
Muito antes de Watson estrelar no palco do Jeopardy!, a IBM tinha considerado as suas possibilidades de cuidados de saúde. A medicina, com as suas resmas de dados de pacientes, parecia um ajuste óbvio, particularmente porque hospitais e médicos estavam a mudar para registos de saúde electrónicos. Embora alguns desses dados possam ser facilmente digeridos por máquinas, tais como resultados de laboratório e medições de sinais vitais, a maior parte é informação “não-estruturada”, tais como notas médicas e resumos de alta hospitalar. Esse texto narrativo representa cerca de 80% do registo típico de um paciente – e é um guisado de jargão, estenografia e declarações subjectivas.
Kohn, que veio para a IBM com um diploma de medicina da Universidade de Harvard e um diploma de engenharia do MIT, ficou entusiasmado por ajudar Watson a lidar com a linguagem da medicina. “Parecia que Watson tinha o potencial para superar essas complexidades”, diz ele. Ao virar as suas poderosas capacidades de PNL para a medicina, a teoria foi, Watson podia ler os registos de saúde dos pacientes, bem como todo o corpus da literatura médica: livros de texto, artigos de revistas revistas por pares, listas de medicamentos aprovados, e assim por diante. Com o acesso a todos estes dados, Watson poderia tornar-se um superdoutor, discernindo padrões que nenhum humano jamais poderia detectar.
“Os médicos vão trabalhar todos os dias – especialmente as pessoas na linha da frente, os médicos de cuidados primários – com o entendimento de que não podem saber tudo o que precisam para praticar a melhor, mais eficiente e mais eficaz medicina possível”, diz Herbert Chase, professor de medicina e informática biomédica na Universidade de Columbia, que colaborou com a IBM nos seus primeiros esforços de cuidados de saúde. Mas Watson, diz ele, poderia acompanhar – e se se transformar numa ferramenta de “apoio à decisão clínica”, poderia permitir aos médicos acompanharem também. Em vez de uma pista do Jeopardy!, um médico poderia dar a Watson o historial do caso de um paciente e pedir um diagnóstico ou um plano de tratamento óptimo.
Chase trabalhou com investigadores da IBM no protótipo de uma ferramenta de diagnóstico, o que deslumbrou os visitantes na sala de imersão Watson. Mas a IBM optou por não o comercializar, e Chase separou-se da IBM em 2014. Ele está desapontado com o lento progresso de Watson na medicina desde então. “Não tenho conhecimento de nenhum home run espectacular”, diz ele.
É um dos muitos entusiastas do Watson que estão agora consternados. Eliot Siegel, professor de radiologia e vice-presidente de sistemas de informação na Universidade de Maryland, também colaborou com a IBM na investigação diagnóstica. Embora ele pense que as ferramentas de IA serão indispensáveis para os médicos dentro de uma década, não está confiante que a IBM as construa. “Não creio que estejam na vanguarda da IA”, diz Siegel. “As coisas mais excitantes estão a acontecer no Google, Apple, e Amazon”
Como para Kohn, que deixou a IBM em 2014, ele diz que a empresa caiu numa armadilha comum: “Só provar que se tem uma tecnologia poderosa não é suficiente”, diz ele. “Prove-me que ela irá realmente fazer algo útil – que irá tornar a minha vida melhor, e a vida dos meus pacientes melhor”. Kohn diz que tem estado à espera de ver artigos revistos por pares nas revistas médicas, demonstrando que a IA pode melhorar os resultados dos pacientes e poupar dinheiro aos sistemas de saúde. “Até à data, há muito pouco no caminho de tais publicações”, diz ele, “e nenhuma consequência para Watson”
Ao tentar trazer a IA para a clínica, a IBM estava a assumir um enorme desafio técnico. Mas tendo ficado para trás de gigantes tecnológicos como Google e Apple em muitos outros reinos informáticos, a IBM precisava de algo grande para se manter relevante. Em 2014, a empresa investiu mil milhões de dólares americanos na sua unidade Watson, que estava a desenvolver tecnologia para múltiplos sectores empresariais. Em 2015, a IBM anunciou a formação de uma divisão especial da Watson Health, e em meados de 2006 a Watson Health tinha adquirido quatro empresas de dados de saúde por um custo total de cerca de 4 mil milhões de dólares. Parecia que a IBM tinha a tecnologia, os recursos, e o compromisso necessário para fazer com que a IA trabalhasse nos cuidados de saúde.
Hoje em dia, os líderes da IBM falam do esforço da Watson Health como “uma viagem” por um caminho com muitas voltas e reviravoltas. “É uma tarefa difícil injectar IA nos cuidados de saúde, e é um desafio. Mas estamos a fazê-lo”, diz John E. Kelly III, vice-presidente sénior da IBM para soluções cognitivas e investigação da IBM. Kelly tem orientado o esforço de Watson desde os dias do Jeopardy! e em finais de 2018 também assumiu a supervisão directa da Watson Health. Ele diz que a empresa tem girado quando é necessário: “Continuamos a aprender, por isso as nossas ofertas mudam à medida que aprendemos”
A ferramenta de diagnóstico, por exemplo, não foi trazida ao mercado porque o caso de negócio não existia, diz Ajay Royyuru, vice-presidente de cuidados de saúde e investigação das ciências da vida da IBM. “O diagnóstico não é o lugar para ir”, diz ele. “Isso é algo que os especialistas fazem muito bem”. É uma tarefa difícil, e por muito bem que se faça com a IA, não vai deslocar o especialista”. (Nem todos concordam com Royyuru: Um relatório de 2015 sobre erros de diagnóstico das Academias Nacionais de Ciências, Engenharia e Medicina declarou que melhorar os diagnósticos representa um “imperativo moral, profissional e de saúde pública”)
Numa tentativa de encontrar o caso comercial da IA médica, a IBM prosseguiu um número vertiginoso de projectos dirigidos a todos os diferentes intervenientes no sistema de saúde: médicos, pessoal administrativo, seguradoras, e pacientes. O que une todos os fios, diz Kelly, é um esforço para fornecer “apoio à decisão utilizando conjuntos de dados maciços de IA”. O projecto mais publicitado da IBM centrou-se na oncologia, onde esperava implementar as capacidades “cognitivas” de Watson para transformar grandes dados em tratamentos oncológicos personalizados para os pacientes.
Em muitas aplicações tentadas, a PNL de Watson lutou para dar sentido ao texto médico – como tem muitos outros sistemas de IA. “Estamos a fazer incrivelmente melhor com PNL do que há cinco anos atrás, mas ainda somos incrivelmente piores do que os humanos”, diz Yoshua Bengio, professor de ciência da computação na Universidade de Montreal e investigador líder na área da IA. Em documentos de texto médico, diz Bengio, os sistemas de IA não conseguem compreender a ambiguidade e não captam as pistas subtis que um médico humano notaria. Bengio diz que a tecnologia actual de PNL pode ajudar o sistema de cuidados de saúde: “Não é preciso ter plena compreensão para fazer algo incrivelmente útil”, diz ele. Mas nenhuma IA construída até agora pode igualar a compreensão e o discernimento de um médico humano. “Não, nós não estamos lá”, diz ele.
p>IBM’s work on cancer serve como o principal exemplo dos desafios que a empresa encontrou. “Penso que ninguém fazia ideia de que levaria tanto tempo ou seria tão complicado”, diz Mark Kris, especialista em cancro do pulmão no Memorial Sloan Kettering Cancer Center, em Nova Iorque, que tem liderado a colaboração da sua instituição com a IBM Watson desde 2012.
O esforço para melhorar os cuidados oncológicos teve duas vertentes principais. Kris e outros médicos preeminentes de Sloan Kettering formaram um sistema de IA que se tornou o produto Watson para Oncologia em 2015. Em todo o país, médicos preeminentes da Universidade do Texas MD Anderson Cancer Center, em Houston, colaboraram com a IBM para criar uma ferramenta diferente chamada Oncology Expert Advisor. MD Anderson chegou ao ponto de testar a ferramenta no departamento de leucemia, mas nunca se tornou um produto comercial.
Alguns esforços têm recebido fortes críticas. Um artigo excitante sobre Watson for Oncology alegou que forneceu recomendações inúteis e por vezes perigosas (a IBM contesta estas alegações). Mais amplamente, Kris diz ter ouvido frequentemente a crítica de que o produto não é “verdadeira IA”. E o projecto MD Anderson falhou dramaticamente: Uma auditoria realizada em 2016 pela Universidade do Texas revelou que o centro do cancro gastou 62 milhões de dólares no projecto antes de o cancelar. Uma análise mais profunda destes dois projectos revela um descompasso fundamental entre a promessa da aprendizagem mecânica e a realidade dos cuidados médicos – entre a “verdadeira IA” e os requisitos de um produto funcional para os médicos de hoje.
Watson for Oncology devia aprender através da ingestão da vasta literatura médica sobre o cancro e os registos de saúde de doentes com cancro reais. A esperança era que Watson, com o seu poderoso poder informático, examinasse centenas de variáveis nestes registos – incluindo demografia, características tumorais, tratamentos, e resultados – e descobrisse padrões invisíveis para os humanos. Também se manteria actualizado com o conjunto de artigos de revistas sobre tratamentos oncológicos que são publicados todos os dias. Para os oncologistas de Sloan Kettering, soou como um potencial avanço nos cuidados oncológicos. Para a IBM, soou como um grande produto. “Penso que ninguém sabia no que estávamos metidos”, diz Kris.
Watson aprendeu bastante rapidamente como digitalizar artigos sobre estudos clínicos e determinar os resultados básicos. Mas revelou-se impossível ensinar Watson a ler os artigos da forma como um médico o faria. “A informação que os médicos extraem de um artigo, que utilizam para mudar os seus cuidados, pode não ser o ponto principal do estudo”, diz Kris. O pensamento de Watson baseia-se em estatísticas, pelo que tudo o que pode fazer é reunir estatísticas sobre os principais resultados, explica Kris. “Mas os médicos não funcionam dessa forma”
Em 2018, por exemplo, a FDA aprovou um novo medicamento contra o cancro “agnóstico de tecidos” que é eficaz contra todos os tumores que exibem uma mutação genética específica. O medicamento foi acelerado com base em resultados dramáticos em apenas 55 pacientes, dos quais quatro tinham cancro do pulmão. “Estamos agora a dizer que cada paciente com cancro do pulmão deve ser testado para este gene”, diz Kris. “Todas as directrizes anteriores foram deitadas fora, com base em quatro pacientes”. Mas Watson não vai alterar as suas conclusões com base em apenas quatro pacientes. Para resolver este problema, os peritos de Sloan Kettering criaram “casos sintéticos” com os quais Watson poderia aprender, essencialmente fazer crer em doentes com determinados perfis demográficos e características cancerígenas. “Acredito na análise; acredito que pode desvendar coisas”, diz Kris. “Mas quando se trata de cancro, realmente não funciona”
A constatação de que Watson não conseguia extrair de forma independente conhecimentos de notícias de última hora na literatura médica foi apenas a primeira greve. Os investigadores também descobriram que não era possível extrair informações dos registos de saúde electrónicos dos pacientes como esperavam.
No MD Anderson, os investigadores puseram o Watson a trabalhar nos registos de saúde dos pacientes com leucemia – e rapidamente descobriram como esses registos eram difíceis de trabalhar. Sim, Watson tinha competências fenomenais em PNL. Mas nestes registos, podem faltar dados, escritos de forma ambígua, ou fora de ordem cronológica. Num artigo publicado em 2018 no The Oncologist, a equipa relatou que o seu Consultor Especialista em Oncologia com poder de Watson teve sucesso variável na extracção de informação de documentos de texto em registos médicos. Tinha pontuações de precisão que variavam entre 90 a 96 por cento ao lidar com conceitos claros como o diagnóstico, mas pontuações de apenas 63 a 65 por cento para informação dependente do tempo como linhas de tempo de terapia.
Num golpe final ao sonho de um superdoctor de IA, os investigadores perceberam que Watson não pode comparar um novo paciente com o universo de pacientes com cancro que vieram antes para descobrir padrões ocultos. Tanto Sloan Kettering como MD Anderson esperavam que a IA imitasse as capacidades dos seus especialistas oncologistas, que se baseiam na sua experiência de pacientes, tratamentos e resultados quando concebem uma estratégia para um novo paciente. Uma máquina que pudesse fazer o mesmo tipo de análise populacional – mais rigorosamente, e utilizando mais milhares de pacientes – seria extremamente poderosa.
Mas os padrões actuais do sistema de saúde não encorajam essa aprendizagem do mundo real. O Consultor de Oncologia do MD Anderson emitiu apenas recomendações “baseadas em provas” ligadas às directrizes médicas oficiais e aos resultados dos estudos publicados na literatura médica. Se um sistema de IA baseasse os seus conselhos em padrões que descobriu nos registos médicos – por exemplo, que um determinado tipo de paciente faz melhor com base num determinado medicamento – as suas recomendações não seriam consideradas baseadas em provas, o padrão de ouro em medicina. Sem os controlos rigorosos de um estudo científico, tal descoberta seria considerada apenas correlação, e não causalidade.
Kohn, anteriormente da IBM, e muitos outros pensam que os padrões de cuidados de saúde devem mudar para que a IA realize todo o seu potencial e transforme a medicina. “O padrão de ouro não é realmente ouro”, diz Kohn. Os sistemas de IA poderiam considerar muitos mais factores do que jamais serão representados num ensaio clínico, e poderiam classificar os pacientes em muito mais categorias para fornecer “cuidados verdadeiramente personalizados”, diz Kohn. A infra-estrutura também tem de mudar: as instituições de cuidados de saúde têm de concordar em partilhar os seus dados proprietários e de privacidade controlada para que os sistemas de IA possam aprender com milhões de pacientes seguidos ao longo de muitos anos.
De acordo com relatórios anedóticos, a IBM tem tido dificuldade em encontrar compradores para o seu produto oncológico Watson nos Estados Unidos. Alguns oncologistas dizem que confiam no seu próprio julgamento e não precisam que o Watson lhes diga o que devem fazer. Outros dizem que sugere apenas tratamentos padrão dos quais estão bem cientes. Mas Kris diz que alguns médicos consideram-no útil como uma segunda opinião instantânea que podem partilhar com pacientes nervosos. “Por mais imperfeito que seja, e limitado que seja, é muito útil”, diz Kris. Os representantes de vendas da IBM têm tido mais sorte fora dos Estados Unidos, com hospitais na Índia, Coreia do Sul, Tailândia, e para além da adopção da tecnologia. Muitos destes hospitais usam orgulhosamente a marca IBM Watson no seu marketing, dizendo aos pacientes que irão receber cuidados de cancro com IA.
Nos últimos anos, estes hospitais começaram a publicar estudos sobre as suas experiências com Watson para Oncologia. Na Índia, os médicos do Centro Integral de Cancro de Manipal avaliaram o Watson em 638 casos de cancro da mama e encontraram uma taxa de concordância de 73 por cento nas recomendações de tratamento; a sua pontuação foi reduzida pelo fraco desempenho no cancro da mama metastásico. Watson teve um desempenho pior no Centro Médico Gil da Universidade de Gachon, na Coreia do Sul, onde as suas principais recomendações para 656 doentes com cancro do cólon corresponderam às dos especialistas apenas 49 por cento das vezes. Os médicos relataram que o Watson fez mal com pacientes mais velhos, não sugeriu certos medicamentos padrão, e teve um erro que o levou a recomendar vigilância em vez de tratamento agressivo para certos pacientes com cancro metastático.
Estes estudos visavam determinar se a tecnologia do Watson para Oncologia tinha o desempenho esperado. Mas nenhum estudo demonstrou ainda que ela beneficie os pacientes. Wachter da UCSF diz que esse é um problema crescente para a empresa: “A IBM sabia que a vitória no Jeopardy! e a parceria com o Memorial Sloan Kettering os faria entrar pela porta. Mas eles precisavam de mostrar, com bastante rapidez, um impacto em resultados difíceis”. Wachter diz que a IBM tem de convencer os hospitais de que o sistema vale o investimento financeiro. “É realmente importante que eles saiam com êxitos”, diz ele. “O sucesso é um artigo no New England Journal of Medicine mostrando que quando usávamos o Watson, os pacientes faziam melhor ou poupávamos dinheiro”. Wachter continua à espera de ver aparecer tais artigos.
Sloan Kettering’s Kris não desanima; ele diz que a tecnologia só vai melhorar. “Como ferramenta, Watson tem um potencial extraordinário”, diz ele. “Espero que as pessoas que têm o poder do cérebro e do computador se mantenham com ele. É um longo caminho, mas vale a pena”
p>algumas histórias de sucesso estão a emergir da Watson Health – em certas aplicações estreitas e controladas, Watson parece estar a acrescentar valor. Veja-se, por exemplo, o produto Watson for Genomics, que foi desenvolvido em parceria com a Universidade da Carolina do Norte, Universidade de Yale, e outras instituições. A ferramenta é utilizada por laboratórios de genética que geram relatórios para praticantes oncologistas: O Watson inclui o ficheiro que lista as mutações genéticas de um paciente, e em apenas alguns minutos pode gerar um relatório que descreve todos os medicamentos e ensaios clínicos relevantes. “Permitimos que os laboratórios escalem”, diz Vanessa Michelini, uma Engenheira Distinta da IBM que liderou o desenvolvimento e lançamento do produto em 2016.
Watson tem um tempo relativamente fácil com a informação genética, que é apresentada em ficheiros estruturados e não tem ambigüidade – ou existe uma mutação, ou não existe. A ferramenta não emprega PNL para minar registos médicos, utilizando-a apenas para pesquisar livros de texto, artigos de revistas, aprovações de medicamentos e anúncios de ensaios clínicos, onde procura declarações muito específicas.
Os parceiros da IBM na Universidade da Carolina do Norte publicaram o primeiro artigo sobre a eficácia do Watson para a Genómica em 2017. Para 32% dos pacientes com cancro inscritos nesse estudo, Watson detectou mutações potencialmente importantes não identificadas por uma análise humana, o que tornou estes pacientes bons candidatos a um novo medicamento ou a um ensaio clínico recém-aberto. Mas ainda não há indicação de que Watson for Genomics conduza a melhores resultados.
O Departamento de Assuntos de Veteranos dos EUA utiliza relatórios Watson for Genomics em mais de 70 hospitais em todo o país, diz Michael Kelley, o director do programa nacional da VA para oncologia. O VA experimentou pela primeira vez o sistema contra o cancro do pulmão e agora usa-o para todos os tumores sólidos. “Penso que melhora os cuidados aos doentes”, diz Kelley. Quando os oncologistas da VA estão a decidir sobre um plano de tratamento, “é uma fonte de informação que podem trazer para a discussão”, diz ele. Mas Kelley diz que não pensa no Watson como um médico robô. “Tenho tendência a pensar nele como um robô que é um mestre bibliotecário médico”
Os médicos mais desejosos de ter um bibliotecário de IA às suas ordens e chamadas – e se fosse isso que a IBM lhes tinha prometido inicialmente, poderiam não ficar tão desapontados hoje. A história da Watson Health é um conto de cautela sobre a arrogância e o hype. Toda a gente gosta de ambição, toda a gente gosta de disparos da lua, mas ninguém quer subir a um foguetão que não funciona.
Este artigo aparece na edição impressa de Abril de 2019 como “IBM Watson, Cura-te a ti próprio”