Tecnologias aplicadas à saúde (parte 2)

Na coluna desta semana achei necessário dar sequência e complementar o assunto abordado na semana anterior, considerando a inquestionável conexão entre tecnologia e medicina, que há muito caminham juntas no campo da saúde. Nesse sentido, quando o assunto envolve tecnologia, sinto-me à vontade para falar ciente que sou das inúmeras e importantes inovações tecnológicas que, ao longo dos anos, muito contribuíram para a saúde humana.

No artigo anterior, escrevi sobre mudanças importantes que irão impactar o setor da saúde como um todo, graças a tecnologias inovadoras, que irão impactar em resultados, experiências com pacientes e acessibilidade geral nos cuidados à saúde, com destaque especial para Telessaúde e Inteligência Artificial (IA). Aliás, a IA que tem sido assunto recorrente nos mais diversos meios além da saúde. Por isso, agora, vou me aprofundar um pouco mais na questão.

À medida que entramos na era da medicina baseada em evidências, dos cuidados de saúde individualizados e do atendimento digital ao cliente, acho relevante que os profissionais de saúde, as startups e os empreendedores se mantenham informados sobre as tendências atuais que estão impactando a indústria.

Ao mesmo tempo, é importante distinguir entre uma solução realmente viável e apenas uma ideia promissora e com grande potencial.

Assim sendo, é bom falar dessa inovação tecnológica chamada IA que, aplicada à saúde, entre outras coisas, pode gerar também vantagens comerciais e sociais tangíveis às quais a sociedade precisa ficar atenta.

Primeiro é preciso reconhecer que a Inteligência Artificial é uma das principais inovações em tecnologia que podem ser aplicadas à saúde. Segundo relatório de investigação da Morgan Stanley, é esperado que os custos aplicados à IA e à aprendizagem automática no setor da saúde ultrapassem os 10,5% em 2024, contra 5,5% em 2022.

Especificamente, a IA na área da saúde pode beneficiar quase tudo, desde a comunicação com os pacientes até a assistência em cirurgias e a criação de novos produtos farmacêuticos.

No campo de dados, por exemplo, os sistemas de IA podem desempenhar um papel crucial na abordagem de alguns desafios, automatizando vários aspectos, a começar pelo processamento de documentos, completando Registros Eletrônicos de Saúde (RES), imagens médicas, genômica e dados de dispositivos vestíveis (dispositivos vestíveis que podem ser assunto num próximo artigo).

Tecnologicamente falando, os algoritmos de IA podem analisar dados de RES para identificar padrões e tendências, ajudando os prestadores de cuidados de saúde a simplificar os fluxos de trabalho, melhorar a precisão da documentação e melhorar a tomada de decisões clínicas. Por exemplo, o Epic EHR, um dos principais sistemas norte-americanos de software de Registros Eletrônicos de Saúde, integrou IA em seu software usando o serviço Azure OpenAl da Microsoft.

Um outro fornecedor de software EHR, Allscripts, aproveitou o GPT-4 do Azure OpenAl para criar um sistema EHR com recursos personalizados de atendimento ao paciente. Essa integração auxilia médicos na criação de planos de tratamento personalizados, incentivando o envolvimento do paciente e alcançando melhor eficácia do tratamento.

Outro exemplo de IA aplicada à saúde envolve o diagnóstico e descoberta de drogas. Nesse caso, pelo que pude apurar, a tecnologia é benéfica para melhorar a eficiência no processamento de informações e na tomada de decisões no que diz respeito ao processo de desenvolvimento de medicamentos. Ou seja, prever as estruturas 3D das proteínas a partir da sua sequência de aminoácidos é uma tarefa extremamente difícil e desafiadora.

Com a tecnologia de IA, AlphaFold2, desenvolvido pela DeepMind, alcançou um nível inovador de precisão nesse campo e está disponível abertamente através do Google Colab. A versão mais recente do AlphaFold prevê estruturas de proteínas usando uma abordagem de aprendizado de máquina que incorpora conhecimento físico e biológico sobre a estrutura de proteínas, aproveitando alinhamentos de múltiplas sequências, no design do algoritmo de aprendizado profundo.

Outro exemplo é o DeepAffnity, que trata de um modelo semi-supervisionado que unifica redes neurais recorrentes e convolucionais (código corretor de erro) para prever a afinidade de ligação entre um medicamento e as sequências alvo. O modelo usa dados rotulados e não rotulados para codificar representações moleculares sob representações únicas de sequências de proteínas anotadas estruturalmente.

DeepAffinity superou o algoritmo floresta aleatória (randon forest, método de aprendizado conjunto para classificação, regressão e outras tarefas que operam construindo uma infinidade de árvores de decisão no momento do treinamento), métodos de conjunto e modelos RNN-CNN. Nota: RNN (Recurrent Neural Network ou Rede Neural Recorrente) é um modelo de aprendizado profundo treinado para processar e converter uma entrada de dados sequencial em uma saída de dados sequencial específica. Por sua vez, CNN são os modelos clássicos de visão computacional utilizados para detecção de objetos em imagens

Mais um exemplo de IA está em seu uso na Saúde Mental, cujas soluções atingiram o auge nos últimos anos. A MobiDev, empresa de engenharia de software constituída nos EUA e no Reino Unido, e centros de P&D na Polônia e na Ucrânia, trabalha em uma plataforma de terapia de grupo e bem estar onde os usuários são combinados em grupos com pessoas iguais a si mesmos com base em diversas variáveis.

Esse não é o único projeto de especialistas da MobiDev nesse domínio, por isso, seguem pesquisando como a IA, enquanto inovação tecnológica, pode acrescentar mais valor às aplicações de saúde mental.

E não para por aí. Em busca de mais conhecimento sobre IA, descobri que essa tecnologia continua a ser vista como uma solução promissora, com as suas limitações e benefícios, no diagnóstico do cancro. Foram feitas pesquisas complexas sobre a utilização de IA para processar imagens inteiras de slides ou WSI (Whole Slide Imaging). Trabalhar com WSI parece um desafio devido à resolução gigante da imagem.

Embora as varreduras WSI sejam extremamente informativas, são necessárias horas de ampliação e redução escrupulosas, rolando de área em área para conduzir o exame. A IA pode processar WSI usando visão computacional e redes neurais convolucionais. Essa abordagem apoia os profissionais de saúde, destacando a área de interesse onde as potenciais células cancerígenas podem ser localizadas, reduzindo o tempo de diagnóstico.

Uma mostra disso é o Breathhh que representa uma extensão do Chrome baseada em IA, criada para fornecer automaticamente exercícios de saúde mental adaptados à atividade on-line e aos comportamentos on-line de um indivíduo. Por meio de monitoramento e análise contínuos das interações dos usuários, o Breathhh identifica os melhores momentos para oferecer práticas e estratégias para aliviar o estresse.

Esta abordagem inovadora combina perfeitamente a tecnologia de IA com suporte prático de saúde mental, simplificando a integração do autocuidado nas rotinas diárias dos usuários.

A IA também pode ser usada para detectar sintomas de doenças causadas por alterações químicas em nossos cérebros, que resultam em vários sintomas mentais, como no caso de demência. Na verdade, segundo relatos médicos, a demência pode se apresentar em diferentes tipos, incluindo a doença de Alzheimer, que apresenta sintomas que inibem a comunicação e o raciocínio, além de causar problemas de memória.

Finalmente, outro exemplo está relacionado ao Processamento de Dados e Privacidade, este um desafio da IA na Saúde. Ocorre que o desempenho do software baseado em aprendizado de máquina está particularmente vinculado à qualidade de seu conjunto de dados de treinamento.

As capacidades de um modelo são diretamente proporcionais à excelência e abrangência dos dados nos quais ele é treinado. Assim, para trabalhar efetivamente com dados e treinar o modelo, uma equipe de desenvolvimento de IA precisa incluir desenvolvedores de software experientes e cientistas de dados que possam trabalhar juntos para alcançar os melhores resultados.

Além disso, a utilização da IA para processamento e diagnóstico de dados levanta algumas considerações éticas. Os sistemas de IA dependem fortemente de extensos dados dos pacientes, incluindo informações confidenciais de saúde. Proteger a privacidade e a segurança desses dados é fundamental para manter a confiança do paciente e cumprir as regulamentações.

Medidas de segurança robustas precisam ser implementadas pelas organizações de saúde para evitar acesso não autorizado, violações e uso indevido de dados de pacientes.

Mais ainda, os algoritmos de IA funcionam frequentemente como "caixas pretas", acrescentando o desafio de compreender e esclarecer a explicação por detrás das suas decisões.

No contexto dos cuidados de saúde, onde as decisões têm implicações significativas para a vida dos pacientes, torna-se crucial desenvolver sistemas de IA transparentes que ofereçam explicações claras para os seus resultados. Nesse cenário, a adoção de IA explicável parece ser uma solução viável.

Resumindo tudo o que foi dito no artigo anterior e neste, a próxima década traz a promessa de uma transformação sem paralelo, impulsionada por dez tendências principais dos cuidados de saúde para 2024-2030, desde a expansão generalizada dos serviços de Telessaúde até a integração revolucionária da inteligência artificial (IA) no diagnóstico e no apoio à decisão.

Portanto, fiquemos atentos para os avanços e possibilidades tecnológicas sem precedentes dos próximos anos, principalmente, no campo da saúde.

Fonte: Jornal Correio de Uberlândia

Estamos prontos para ouvir você. Não hesite em nos contatar para qualquer dúvida, consulta ou assistência. Aguardamos sua mensagem