Historicamente, sempre tivemos a criatividade à frente da capacidade tecnológica. Imaginávamos como seria voar, como seria enviar um carta instantaneamente para alguém do outro lado do planeta. E a evolução da tecnologia possibilitou a conquista das nossas idealizações.
Mas agora vivemos uma inversão assustadora. Podemos mais do que nunca. Mais, inclusive, do que a nossa criatividade pode imaginar.
A parte que assusta é por temermos o desconhecido. Paralisamos quando nos deparamos com notícias que envolvem Internet das Coisas (IoT), machine learning, algoritmos complexos e afins.
E para tentar conhecer melhor esse universo da tecnologia que nos paralisa, trago um texto sobre um pedido de patente do Google que busca unificar informações médicas de diferentes fontes em uma linha do tempo padronizada.
"Mas essa ideia de uma plataforma com a cronologia de eventos médicos pertinentes do paciente já está nas minhas idealizações há tempos!"
Exatamente. O inimaginável é o que pode vir depois disso. Preditores não só de eventos clínicos futuros, mas de comportamentos. Tudo sobre você em um compilado de zeros e uns, prontos para interferir na maneira como enxergamos o mundo, como nos alimentamos e nos relacionamos. A medicina preventiva por quem mais sabe da nossa vida, o Google.
Segue a tradução livre do post original do Kyle Murphy na EHRIntelligence.com em 4 de fevereiro de 2019:
"O Centro de Patentes dos Estados Unidos publicou um pedido de patente do Google com o objetivo de agregar dados de Eletronic Heatlh Record (EHR), usando como base os serviços de Fast Healthcare Interoperability Resources (FHIR) para prever eventos de saúde.
O sistema e o método descritos na publicação compreendem três componentes principais:
- Banco de dados relacional de registros eletrônicos de saúde sem identificação
- Mecanismo de machine learning
- Dispositivo para exibir previsões de eventos clínicos.
“No ambiente clínico, o gerenciamento e apresentação de informações sobre um paciente é um aspecto importante do atendimento e da tomada de decisões na área da saúde” - Mossin et al.
“Há uma necessidade por sistemas e métodos para ajudar os provedores de saúde a alocar sua atenção eficientemente entre a abundância de informações de diversas fontes, bem como fornecer previsões de eventos clínicos futuros e destacar eventos médicos relevantes que contribuem para essas previsões de forma cronológica”, afirma a patente.
Em outras palavras, o Google está propondo um apoio à decisão clínica para prever e influenciar o comportamento do paciente.
O pedido de patente que remonta a agosto de 2017 mostra FHIR, Application Programming Interface (APIs) e especificações desempenhando um papel fundamental na transformação de EHR brutos de um banco de dados relacional em uma linha do tempo de eventos médicos.
“Os registros de saúde brutos são identificados pelo paciente, transmitidos por redes de computadores, armazenados em um Relational Database (RDB) e convertidos por um sistema de computador, funcionando como um conversor para um formato padronizado que é armazenado na memória”, diz a patente.
O formato padronizado é o FHIR, e os pacotes de recursos sequenciados no tempo formam a base da linha do tempo médica de um paciente e suas previsões futuras.
“Ao converter dados para um formato FHIR, não harmonizamos nomes de variáveis com uma terminologia padrão, mas usamos a terminologia básica fornecida pelo sistema de saúde, evitando a tradicional e demorada harmonização de dados”, acrescentam os autores.
Em termos da infraestrutura necessária para suportar o serviço, a publicação deixa a porta aberta para abordagens de hardware e software dentro e fora do local.
“A localização física e implementação dos modelos preditivos e do computador ou sistema de computador relacionado podem variar. Em alguns casos, ele pode estar fisicamente localizado em um sistema médico ou hospital que serve instalações afiliadas, consultórios médicos de atendimento primário e clínicas relacionadas, etc. Em outras situações, pode ser localizado centralmente para receber as EHRs e transmitir eventos clínicos futuros previstos e eventos médicos relacionados em redes de computadores e atender a uma infinidade de instituições de saúde não relacionadas por uma taxa de serviço, assinatura, produto autônomo ou outros modelos de negócio.", afirma a patente.
Em qualquer configuração, serão necessários conjuntos de dados ricos de EHRs, agregados para produzir resultados confiáveis a partir de modelos de machine learning e algoritmos.
“Os modelos de deep learning são treinados para prever um ou mais eventos clínicos futuros e para resumir eventos médicos passados pertinentes (problemas, condições, resultados de testes, medicamentos, etc.) em uma entrada de EHR de um determinado paciente”, observa Mossin et al.
A patente fala de “centenas de milhares ou até milhões de pacientes” de “uma ou mais instituições” que fornecerão os dados brutos necessários para seus modelos preditivos. A motivação para fornecer essas informações é um obstáculo difícil de superar.
“Uma segunda limitação é que nossa abordagem depende de grandes conjuntos de dados, poderosa infraestrutura de computação e algoritmos complexos, que exigem uma engenharia sofisticada para replicar. No entanto, essa abordagem é o que permite que uma arquitetura de modelagem única alcance excelente desempenho preditivo em uma variedade de tarefas de previsão ”, admitem os autores.
Com a computação em nuvem e os serviços crescendo pelo uso em empresas de assistência médica, o Google parece ansioso para aproveitar as limitações dos atuais sistemas de EHR, colocando sua infraestrutura impressionante para trabalhar em medicina preventiva."