Inteligência Artificial em Países de Baixa e Média Renda: Inovando a Radiologia da Saúde Global

Recursos escassos ou ausentes em radiologia impedem a adoção de inteligência artificial (IA) para imagem médica por instituições de saúde com poucos recursos. Elas enfrentam limitações em equipamentos locais, expertise do pessoal, infraestrutura, estruturas de direitos de dados e políticas públicas. A confiabilidade da IA para a tomada de decisão médica em saúde global e contextos com poucos recursos é prejudicada pela diversidade de dados insuficiente, algoritmos de IA não transparentes e a participação limitada das instituições de saúde com poucos recursos na produção e validação da IA. A estratégia integrada de três frentes da RAD-AID para a adoção de IA em instituições de saúde com poucos recursos é apresentada, que inclui educação em radiologia clínica, implementação de infraestrutura e introdução faseada da IA. Essa estratégia deriva da experiência de mais de uma década da RAD-AID como organização sem fins lucrativos desenvolvendo radiologia em instituições de saúde com poucos recursos, tanto nos Estados Unidos quanto em países de baixa e média renda. Os três componentes fornecem sinergicamente a base para abordar disparidades no cuidado da saúde. A expertise do pessoal local de radiologia é aumentada por meio de educação abrangente. Software, hardware e infraestrutura radiológica e de rede viabilizam fluxos de trabalho de radiologia incorporando IA. Esses desenvolvimentos educacionais e de infraestrutura ocorrem enquanto a RAD-AID entrega introdução faseada, testes e escalonamento da IA por meio de colaborações em saúde global.