Imagine que hoje é um dia tipicamente frio no inverno de 2030 e o pico da temporada de gripe. Nesta época do ano, há uma década, as clínicas e consultórios médicos estariam lotados de doentes esperando para serem atendidos; hoje, médicos e pacientes transitam facilmente pelo sistema.
Então, o que mudou? Não são apenas os médicos que preveem um novo cenário para o setor de Saúde. Especialistas do Fórum Econômico Mundial também estão debruçados sobre esse assunto e indicam que em 2030 o atendimento conectado terá se tornado uma realidade, impulsionado por anos de imensa pressão sobre os sistemas globais de saúde, com avanços tecnológicos poderosos, como Inteligência Artificial (IA) e Deep Learning (DL).
O DL agora pode revelar padrões em grandes quantidades de dados que são sutis ou complexos demais para serem detectados pelas pessoas. Ele faz isso agregando informações de várias fontes que em 2020 permaneciam presas em silos, incluindo dispositivos domésticos conectados, registros médicos e, cada vez mais, dados não médicos.
A primeira grande consequência disso em 2030 é que os sistemas de saúde são capazes de fornecer cuidados de saúde verdadeiramente proativos e preditivos.
Mas, ainda em 2021, estamos longe de alcançar essa visão. Se a instituição de saúde não contar com tecnologias e sistemas integrados, com dados estruturados, falhas podem levar a impedimentos e gargalos nos fluxos operacionais e de trabalho da equipe, prejudicando a do atendimento nas áreas clínicas em que são usados para ajudar a diagnosticar, tratar, monitorar e, com sorte, prevenir e curar doenças.
Os sistemas inteligentes já são capazes de realizar tarefas especializadas e aumentar as capacidades humanas. Os exemplos incluem sistemas de IA e DL que podem detectar lesões cancerosas em uma imagem, analisar e quantificar registros médicos ou otimizar o fluxo do paciente em atendimento de emergência. Dentro dos hospitais, a aplicação de análises preditivas já está ajudando a salvar vidas em unidades de terapia intensiva. Fora dos hospitais, está ajudando a identificar certos grupos de risco para que a atenção primária preventiva ou comunitária possa reduzir a necessidade de internações hospitalares.
Mas o que exatamente é Deep Learning, como ele difere de outras estratégias de Machine Learning e como as organizações de saúde podem aproveitar técnicas de DL para resolver alguns dos problemas mais urgentes no atendimento ao paciente?
O DL, também conhecido como aprendizado hierárquico ou aprendizado estruturado profundo, é um tipo de aprendizado de máquina que usa uma arquitetura algorítmica em camadas para analisar dados.
Em modelos de DL, os dados são filtrados por uma cascata de várias camadas, com cada camada sucessiva usando a saída da anterior para informar seus resultados. Os modelos de DL podem se tornar cada vez mais precisos à medida que processam mais dados, essencialmente aprendendo com os resultados anteriores para refinar sua capacidade de fazer correlações e conexões. Assim, é mais fácil treinar as máquinas com conjuntos de dados adequados e fazer um modelo de IA totalmente funcional.
Ao processar grandes quantidades de dados de várias fontes, como imagens radiológicas, dados genômicos e prontuários eletrônicos de saúde, o Deep Learning pode ajudar os médicos a analisar informações e detectar várias condições, resolvendo muitas questões de saúde como reduzindo a taxa de diagnósticos incorretos, e prevendo o resultado de procedimentos.
Aqui estão algumas áreas médicas bem conhecidas onde o Deep Learning está atualmente se destacando
Algoritmos DL também são utilizados na plataforma Hepatia, desenvolvida pela MaChiron, que detecta nódulos hepáticos e avalia o risco do carcinoma hepatocelular, indicando aos radiologistas os exames mais críticos.
Readmissões hospitalares, tempo de internação e previsão de mortalidade de pacientes internados
Algoritmos baseados em DL têm acesso a dezenas de milhares de preditores para cada paciente e identifica automaticamente quais dados são importantes para uma previsão específica.
Descoberta de medicamentos e medicina de precisão
A descoberta de um novo medicamento, como as vacinas contra a COVID-19, é sempre comemorada. Mas nem sempre o ciclo de desenvolvimento de medicamentos é assim. Geralmente esse ciclo é muito lento e caro, e menos de 10% dos medicamentos em estudo ao mercado. O DL pode ser usado para otimizar e reduzir o custo do processo.
Ao aprender com cada paciente, cada diagnóstico e cada procedimento, o DL cria experiências que se adaptam ao profissional e ao paciente. Isso não apenas melhora os resultados de saúde, mas também otimiza e agiliza o serviço médico, ao mesmo tempo que permite que o sistema seja financeiramente sustentável.
Este novo sistema em rede abrange comunidades e é alimentado por cuidados conectados, unindo pessoas, lugares, hardware, software e serviços – criando verdadeiras redes de cuidados que melhoram a saúde e o bem-estar ao longo da vida. Confira no nosso site como a Inteligência Artificial, o Deep Learning e outras tecnologias vão transformar o setor de Saúde.
Copyright © MaChiron, All Right Reserved.
