Medicina intuitiva
Tratamento de enfermidades que só podem ser diagnosticadas por seus sintomas e tratadas com terapias de eficácia incerta. Depende do discernimento e qualificação de médicos capazes, mas caros. Não é de admirar que a qualificação e o discernimento exercido pelos profissionais sejam fortemente influenciados por fatores como, onde e quando foram treinados, pelo local onde atuam, pela relativa oferta de capital humano e físico, pelo modo como são pagos, e quão atualizados estão em relação aos últimos avanços científicos da medicina.
O setor de saúde está repleto de novas tecnologias, mas a natureza inerente à maior parte delas é sustentar a prática corrente. As tecnologias que possibilitam diagnósticos precisos seguidos de uma terapia presumivelmente efetiva são aquelas que por meio da ruptura, têm o potencial de transformar o terreno da assistência à saúde, convertendo uma intuição complexa em tarefas baseadas em regras. De acordo com essa estrutura, o tratamento da maioria das doenças começa no domínio da experiência baseada na intuição, deslocando-se posteriormente para o da medicina probabilística ou empírica e chegando afinal à medicina de precisão, baseada em regras.
Na impossibilidade de diagnóstico preciso o tratamento deve ser efetuado mediante a medicina intuitiva, para o exercício da qual,profissionais altamente treinados e mais caros solucionam problemas valendo-se da experiência intuitiva e do reconhecimento de padrões. Quando os padrões tornam-se mais claros, o tratamento avança até o domínio da medicina baseada em evidências (MBE), ou medicina empírica, na qual os dados são reunidos com o propósito de mostrar que certas formas de tratamento são melhores do que outras.
O aumento da interface entre medicina intuitiva e medicina de precisão é o principal mecanismo por meio do qual os capacitores tecnológicos conduzem para a ruptura dos atuais modelos de gestão da assistência à saúde. Ressalte-se que a medicina intuitiva e a medicina de precisão não são estados binários. Entre elas há um amplo domínio que se denomina medicina empírica, que ocorre quando um campo evolui em direção à era do reconhecimento do padrão, quando as correlações entre medidas e efeitos são suficientemente compatíveis para que os resultados possam ser previstos em termos probabilísticos. As declarações como “A redução para níveis normais ocorreu em 73% dos pacientes que receberam o medicamento X”, ou “97% dos pacientes cujas hérnias foram tratadas por esse procedimento não experimentaram reincidência em cinco anos em comparação com os 86% de outros métodos” estão no terreno da medicina empírica que permite aos gestores prever as probabilidades, mas não garantir o resultado.
O progresso científico conduz por um fio contínuo, da medicina intuitiva para a medicina empírica e daí para a de precisão.
As doenças infecciosas constituíram o primeiro campo em que o diagnóstico preciso melhorou com o surgimento do microscópio e de colorações capazes de detectar micro-organismos que permitiram diagnóstico preciso e tratamento específico e, mais recentemente, identificação dos subtipos dos micro-organismos e compreensão dos mecanismos moleculares da resistência das cepas envolvidas nas infecções. O potencial da medicina de precisão como capacitador tecnológico fez reduzir o custo do tratamento das doenças infecciosas, passo a passo, doença a doença, com o deslocamento dessas enfermidades da seara da medicina intuitiva para a de precisão, causado pelo progresso científico que permitiu a inovação diagnóstica e terapêutica.
O câncer começou a ceder à revolução semelhante na precisão do diagnóstico e na eficácia do tratamento. De forma similar à que aconteceu com o uso do microscópio a compreensão mais profunda da biologia molecular e do genoma humano permitiu aos cientistas diagnosticar e tratar diferentes espécies de câncer com base nas suas características moleculares que permitem a sua progressão, mas permitem, também, diagnóstico mais preciso pela detecção de padrão dentro do qual certos genes se manifestam.
Há um padrão claro no processo pelo qual um setor faz ao passar do status de arte ao de ciência o conjunto de conhecimentos sobre o qual foi construído. Nos primeiros estágios a amplitude do conhecimento adquirido corresponde a pouco mais do que uma variedade de observações compiladas por várias gerações. As diversas incógnitas tornam a tarefa a ser realizada complexa e intuitiva, com resultados relativamente imprevisíveis. Apenas profissionais especializados são capazes de produzir soluções adequadas. Com o passar do tempo, essas experiências intuitivas geram certos padrões. Definir esses padrões que correlacionam ações com os resultados em vista, torna mais fácil ensinar às pessoas como resolver problemas. O sucesso desse método não é garantido, porém, os cientistas podem muitas vezes estipular a probabilidade de um dado resultado com base nas medidas adotadas. Esses padrões de correlação são suplantados pela compreensão de causalidade, o que faz com que o resultado de determinadas ações seja altamente previsível e tornam o trabalho, antes intuitivo e complexo, em trabalho rotineiro com regras específicas criadas para lidar com as etapas desse processo. Habilidades que antes eram apanágios da intuição de grupo seleto de especialistas acabam por se tornar tão explicitamente compreensíveis que o trabalho baseado em regras pode ser executado por pessoas com muito menos experiência e treinamento. Ocorre, assim, a transferência desse trabalho das mãos de experts caros e altamente qualificados para as de técnicos mais baratos, levando ao surgimento de modelos de gestão bem sucedidos, capazes de captar as vantagens do trabalho baseado em regras. (CHRISTENSEN, 2020)
Possibilitada pelos avanços na tecnologia e na ciência, a migração do processo de solução de problemas dos domínios de um pequeno grupo de especialistas para uma população maior de profissionais, não tão caros e que apenas precisa seguir as devidas normas é um fenômeno fundamental que levou à transformação de setores variados como a animação, a arquitetura, a aviação, bancos, indústria editorial e cobrança de impostos.
Exemplo de como o progresso científico pode transformar a natureza fundamental do principal problema tecnológico de um setor está no processo de design automotivo, desenvolvido pela BMW para projetar seus modelos de forma tão realista nos computadores, que é possível realizar os testes de colisão virtualmente, a partir de uma estação de trabalho. Ficou muito mais barato projetar automóveis seguros, atraentes e de alto desempenho em um computador do que construir e testar protótipos físicos.
Os protocolos são sugestões de cuidado, não regras. Sempre haverá pacientes que precisarão ser manejados diferentemente, devido a: diferenças biológicas no metabolismo de drogas, resposta imune, variação genética, presença de condições de comorbidade; recursos financeiros determinados pela condição social e econômica da medicina em nível local, e preferências do paciente. Contudo a maioria dos pacientes se enquadra nas recomendações da maioria dos protocolos (WILSON 1995).
Existe lentidão e resistência para se aplicar métodos empíricos na esfera legal. Em contraste com medicina e indústria o empirismo permanece nos meios acadêmicos do direito, mas não está presente na prática jurídica. Os legisladores são mais inclinados a confiar em evidências pontuais e no senso comum sem suporte da pesquisa científica. Como exemplo desse fato pode-se citar a fala do Presidente Bush em suporte à pena de morte, como forma de aceitar o desejo da comunidade e de ignorar o fato de que a pena capital é cientificamente contestada. O problema é que os juízes não confiam em pesquisa empírica, mas em especulações e o direito é lento para admitir evidências empíricas nas tomadas de decisões, enquanto a medicina e os empresários planejam suas atividades com base nos achados empíricos sem confiar na sabedoria popular e em teorias econômicas não comprovadas. Sugere-se que a disparidade do Direito em face da Medicina e Indústria é que essas disciplinas têm objetivos claros: salvar o paciente e obter lucro, respectivamente, enquanto o Direito tem mais de um objetivo e envolve interesses políticos além de outros. É comum que o discurso legal apresente justificação X para uma regra enquanto a verdadeira justificação é Y. A causa dessa disparidade pode ser, pelo menos em parte, o interesse político do legislador. Ele usa a lei como forma de transmitir mensagens, visando aumentar a confiança do público no governo. Assim, por exemplo, o legislador defende a pena de morte com base no seu efeito dissuasivo, apesar de saber que existe evidência científica contrária a esse discurso. A questão empírica é saber se a pena de morte impede o crime. Contudo os políticos estão interessados em outra questão: se o povo acredita que ela previne o crime. O interesse do legislador é na resposta do público à lei, mais do que na efetividade intrínseca da lei (WOZNER, 2011)
A tendência de empirismo atingiu a academia do Direito. Os artigos de revisão têm confiado de maneira crescente em dados provenientes de pesquisa empírica, ou mesmo apresentam evidência empírica original em suporte dos seus argumentos. Além disso, vários periódicos que publicam artigos científicos passaram a rever suas políticas para publicação de peças empíricas e já existe hoje periódicos que publicam apenas dados empíricos, como, por exemplo, o Journal of Legal Studies das Faculdades de Direito da Universidade de Chicago e o Journal of Empirical Legal Studies.
A questão que se coloca é se, e em qual extensão, os métodos empíricos podem e devem ser usados no contexto de estudos legais. Essa questão de certa forma toca a relação entre lei e realidade, ou a relação entre o mundo normativo – deve ser – e o fatual – é. A lei geralmente determina o que é certo e o que é errado. Como valores como certo e errado não podem ser medidos por métodos empíricos estes não seriam pertinentes para estudos legais. Contudo, esse não é o caso. A lei é conectada por uma rede, unindo fatos e realidade, à qual os métodos empíricos podem ser aplicados. Por definição cada norma legal está relacionada a um espectro de circunstâncias ao qual deve ser aplicada. O papel da lei é modelar o comportamento no contexto dessas circunstâncias.
Na área da pesquisa científica e da geração de conhecimento novo, o avanço tecnológico causou verdadeira revolução nas publicações científicas relacionadas a inteligência artificial, aprendizado de máquinas e robótica, bem como no aumento do número de patentes no mundo (tabela 1)
TABELA 1
| Total de artigos e patentes para tecnologias selecionadas (2016) | ||
|---|---|---|
| ARTIGOS | ||
| Inteligência artificial | 43.892 | |
| Machine learning | 12.040 | |
| Robótica | 10.677 | |
| PATENTES | ||
| Robótica | 18.214 | |
| Machine learning | 2.066 | |
| Inteligência artificial | 605 | |
Inovações capazes de substituir a natureza do trabalho humano inclusive na esfera judicial
A discussão sobre a introdução de inovações que substituem trabalho humano vai muito além da possibilidade técnica da criação de máquinas/robôs com capacidade de executar comandos definidos por programas. Um exemplo ilustrativo é fornecido por Ford (2015, p. 210) em relação à MacDonald’s, empresa que teria investido em pesquisas de automação de serviços e preparação de sanduíches nos anos 1990, embora o processo não tenha ido adiante, possivelmente em função dos baixos salários do setor.
Outro limite recai sobre as possibilidades de automação do trabalho criativo, o que se articula com especulações sobre o potencial do avanço do ramo de “inteligência artificial” e, nesse aspecto, Stephen Hawkins estava entre os que não subestimam esse potencial (FORD, 2015). Nessa linha, há outras possibilidades de relação entre o trabalho humano e produtos de desenvolvimento futuro da inteligência artificial, como a sugerida por pesquisador da IBM, comentando o futuro do investimento da empresa no Watson, um produto que atualmente tem avançado em áreas como diagnóstico médico: “Minha Visão do Watson? Algum dia cada profissional do planeta terá um Watson para suporta-lo enquanto trabalha (The New York Times, 2016, transcrição de trecho do depoimento de Guruduth S. Banavar, vice-presidente de Cognitive Computing, IBM Research).
Entre esses dois limites cabe todo um conjunto de determinações sociais, políticas e econômicas que são importantes para definir quais inovações serão introduzidas, quais setores serão afetados e qual a velocidade do processo (AUTOR, 2013; FREY,2017)
A hipótese da world wide web (www), como tecnologia que representa o big bang
de uma nova era tecnológica, contribui para a identificação das enormes inter-relações entre diversas tecnologias emergentes como indicado pela OECD (2016, p. 79). Em especial, as três tecnologias avaliadas neste projeto (machine learning, inteligência artificial e automação inteligente aplicada à manufatura) se desenvolveram muito em função do surgimento da www. M BRYNJOLFSSON, 2017) mencionam três eras sucessivas – PC era, web era, smartphone era que, apesar do excessivo detalhamento, tem sentido como indicação da dinâmica de mudanças ininterruptas das tecnologias da informação e comunicação e da dependência das novas eras às inovações anteriores. Certamente, a era dos smartphones foi viabilizada pelo desenvolvimento da www.
A saúde suplementar conta com legislação própria e ampla regulamentação pela ANS. Apesar disso cresce o número de ações judiciais contra planos e seguradoras de saúde que desconsideram a legislação e o princípio fundamental do respeito ao ato jurídico perfeito. Desconhecendo o que foi estabelecido no Ordenamento Jurídico, tais ações usam argumentos políticos a partir de valores subjetivos passando por cima da Constituição. O Judiciário, por sua vez, acata as pretensões e estabelece obrigações que vão além do que está previsto na legislação e nos contratos respectivos. É óbvio que o modelo constitucional do processo é incompatível com posturas voluntaristas ou axiológicas de magistrados que entendem o processo como ato de vontade ou como instrumento para o alcance de finalidades metajurídicas.
As Barreiras regulatórias, éticas e legais impostas sobre o uso de robôs em medicina necessitam considerações cuidadosas sobre o nível de autonomia e sobre o contexto para o uso. Para veículos autônomos, o nível de automação em estradas é definido, embora tal definição não exista para robôs médicos. Por esse motivo foram propostos seis níveis de autonomia como possível moldura:
- Nível 0 – Sem autonomia. Inclui os robôs teleoperados que respondem e seguem os comandos do cirurgião.
- Nível 1 – robô assistente. O robô provê alguma orientação mecânica ou assistência durante a tarefa, enquanto o humano tem controle contínuo do sistema.
- Nível 2 – Autonomia de tarefa. O robô é autônomo para tarefas específicas iniciadas por humano. A diferença com o nível 1 é que o operador exerce controle pontual ao invés de contínuo sobre o sistema.
- Nível 3 – Autonomia condicional – O sistema gera tarefas estratégicas, mas depende do humano para selecionar quais tarefas serão executadas e para aprovar as tarefas autônomas selecionadas pelo robô. Esse tipo de robô cirúrgico pode executar a tarefa sem controle rigoroso do cirurgião.
- Nível 4 – Alta autonomia. O robô pode tomar decisões médicas, embora sob a supervisão de um médico qualificado. Esse robô guarda analogia com o médico residente que realiza cirurgia sob a supervisão do preceptor.
- Nível 5 – Autonomia completa (sem necessidade de participação do humano). O robô executa todo o ato cirúrgico e executa cirurgias semelhantes àquelas do domínio do cirurgião geral. O cirurgião robótico está no campo da ficção científica.
Para níveis maiores de autonomia, a habilidade do sistema do robô cirúrgico, para responder a uma variedade de estímulos sensoriais, precisa ser mais sofisticado. Requisito chave para a autonomia total será a tecnologia que copia as habilidades sensoriais de cirurgião com alta expertise. Ressalte-se que com diminuição da supervisão humana e aumento da percepção, tomada de decisão e ação pelo robô, o risco de dano para o paciente aumentará. Segurança cibernética e privacidade devem ser também grande temas a serem considerados (YANG GZ, 2012).
O campo do conhecimento conhecido como inteligência artificial (IA) e sistema legal surgiu e 1980. Modelos computacionais desenvolvidos por pesquisadores em AI e sistema legal envolvem resposta às questões formuladas, extração da informação, e argumentos oriundos dos textos.
A racionalização legal dos modelos computacionais em IA e sistema legal é feita pelos pesquisadores da área. A racionalização e os argumentos serão conectados diretamente aos textos legais. Os modelos podem gerar argumentos, contra ou a favor, determinado resultado em problemas trazidos para os textos, predizer o resultado de um problema, e explicar as previsões por razões que os profissionais legais reconhecem e podem avaliar. O resultado será um novo tipo de aplicação legal, que possa permitir a interrelação e atividade colaborativa entre humanos e computadores na qual cada ator executa o tipo de atividade inteligente que melhor possa fazer.
As barreiras regulatórias, éticas e legais, impostas ao uso de robôs em medicina, por exemplo, necessitam considerações cuidadosas sobre o nível de autonomia e sobre o contexto para o seu uso. Para veículos autônomos, o nível de automação em estradas é definido, mas tal definição não existe para robôs médicos. Todavia, torna-se forçoso reconhecer que a tendência é de substituição do trabalho humano pelo trabalho da máquina autônoma e com possibilidade de resolução muito superior àquela oferecida pelos humanos.
Esse aspecto é também válido para a execução de atividade judiciária. Acredita-se que a utilização da inteligência artificial na resolução das demandas judiciais pode suplantar a eficiência conseguida pela atuação humana, , a qual, ao contrário daquela provida pela inteligência artificial é limitada pela incapacidade do cérebro se expandir além dos seus limites anatômicos e funcionais.
O ponto de partida para a compreensão do reposicionamento do trabalho é bastante simples: o progresso tecnológico é fruto de trabalho humano. Portanto, todo progresso tecnológico é derivado de avanços na capacidade humana de trabalho. Tecnologia também é derivada da ciência (ROSENBERG, 2020), e o progresso da ciência é fruto do trabalho intelectual humano. O progresso tecnológico das nações está apoiado na construção e consolidação de sistemas de inovação. O conjunto dos sistemas de inovação no planeta foi capaz de produzir mais de 2 milhões de artigos científicos e mais de 2 milhões de patentes em apenas um ano. O trabalho humano por trás dessa maciça produção de pressupostos para aplicações na indústria e na economia é um pré-requisito para o desenvolvimento da tecnologia.
A natureza do trabalho tem mudado em função de dois movimentos: 1º- à medida que a ciência ganha em importância, aumenta o número de pessoas diretamente envolvidas em trabalho intelectual: universidades, institutos de pesquisa e departamentos de pesquisa e desenvolvimento nas empresas, reúnem grande número de pessoas que se dedicam ao trabalho intelectual. 2º- à medida que os produtos do trabalho que envolvem ciência e tecnologia chegam à fase de produção, eles impactam na natureza do trabalho.
Novas técnicas e novos instrumentos acabam conduzindo a um processo que combina a redução do peso e importância do trabalho manual e o aumento do peso do trabalho intelectual.
REFERÊNCIAS
CHRISTENSEN CM, Bohmer RMJ, Kenagary J. “Will disruptive innovations cure health care?” Harvard Business Review 2000; 78:102-117.
WILSON MC, HAYWARD RS, TUNIS SR, et al. Users’ guides to the Medical Literature. VIII. How to use clinical practice guidelines. B. what are the recommendations and will they help you in caring for your patients? The Evidence-Based Medicine Working Group. JAMA 1995; 274:1630
WOZNER, Shai. Comment: evidence-based law by Jeffrey j. Rachlinski. Cornell Law Review 2011; 96:925-930.
FORD, Martin. Rise of the Robots: Technology and the threat of a jobless future. New York, Basic Books, 2015.
AUTOR, David; DORN, David. The growth of low skill service jobs and the polarization of the US labor market. American Economic Review, Nashville, v. 103, n. 5, p. 1553 – 1597, 2013.
FREY, Carl Benedikt; OSBORNE Michael. The future of employment: how susceptible are Jobs to computerization? Technological forecasting & social change, Amsterdam, v. 114, p. 254-80, 2017.
BRYNJOLFSSON, Erik; MCAFEE, Andrew. Artificial Intelligence, for real. Boston: Harvard Business School Pub Corp, 2017.
YANG, Guang-Zhong et al. Medical robotics – regulatory, ethical, and legal considerations for increasing levels of autonomy. Science Robotics, Washington, v. 2, n. 4, 2017.
ROSENBERG, Alex; MCINTYRE, Lee. Philosophy of Science: a contemporary introduction. 5th. ed. New York: Routledge, 2020.
