{{ warning.message }} Ver detalhes
Como 5 grandes hospitais americanos desenvolvendo a inteligência artificial
[editar artigo]

Como 5 grandes hospitais americanos desenvolvendo a inteligência artificial

Muito se tem falado sobre a grande quantidade de dinheiro investido nas futuras aplicações da Inteligência Artificial e do machine learning na saúde. Queremos com este post, mostrar o que já está sendo feito neste sentido. Tentaremos aqui mostrar como essas aplicações vem impactando o mundo dos negócios e das tecnologias em saúde, desde a cobertura de planos de saúde ou de vida ou na política administrativa de  hospitais e clínicas.

Este post é fruto da adaptação do original "How America’s 5 Top Hospitals are Using Machine Learning Today" publicado no blog TechEmergency em 26 de Junho de 2017, que você pode ler AQUI

Em 2016, o gasto com saúde nos Estados Unidos foi de aproximadamente 3.4 trilhões de dólares, com uma projeção de atingir até 19.9% do Produto Interno Bruto. Apenas o mercado de inteligência artificial deve atingir mais de 6 Bilhões de dólares nos EUA em 2021 e economizar mais de 150 Bilhões em 2026.

A pergunta que fica é: 

Que tipos de aplicações baseadas em aprendizado de máquina estão sendo utilizadas desde já em hospitais de vanguarda, como o Massachusetts General e nos Hospitais da Johns Hopkins?

Há pontos em comum nas inovações que cada um deles têm feito? Como isso afeta o futuro da Saúde?

Quanto eles estão investindo em aprendizado de máquina e nas tecnologias emergentes ?

Caminhado por fatos e versões, o artigo da Techemergence proporciona insights pertinentes para os líderes de gestão hospitalar, profissionais de saúde e empreendedores, o como estes 5 Top Hospitais dos EUA estão sendo impactado pela Inteligência Artificial.

Expandindo REFERÊNCIAS  - livros que podem ampliar seus conhecimentos sobre o assunto:

How to create a mind- The secret of human though reveled - Ray Kurzweil

Originais - Como os inconformistas mudam o mundo - Adam Grant

The Singularity is Near - When Humans Transcend Biology - Ray Kurzweil

Mayo Clinic

Em Janeiro de 2017, o Mayo Clinic's Center for Individualized Medicine começou uma parceria com a Tempus, uma empresa focada em desenvolver tratamento de câncer usando uma plataforma baseada em machine learning. Esta parceria incluiu iniciou a análise do sequenciamento molecular de 1000 pacientes da Mayo que participavam de estudo relacionados à imunoterapia para uma série de neoplasias diferentes, como Câncer de Pulmão, Melanoma, Bexiga, mama e Linfoma.

Ainda na fase de pesquisa e desenvolvimento, esta atividade busca que este tipo de análise auxilie no aumento de opções terapêuticas individualizadas para os pacientes da Mayo. O hospital integra um pequeno consórcio de pesquisa em conjunto com a Universidade de Michigan, Universidade da Pennsylvania e a Rush University Medical Center.

"O Santo Graal que estamos procurando é uma biblioteca de dados grande o suficiente para que os padrões individuais observados se tornem terapêuticos, ao ponto que poderemos dizer: " este pessoal que possui esta mutação específica, não deve tomar esta droga, enquanto as que possuem esta mutação em particular deve tomar esta droga." - disse Eric Lefkofsky, CEO and Founder da Tempus

Mirando o mercado de 13,8 Bilhões de Dólares do sequenciamento de DNA, esta startup aparentemente segue dois modelos de compensação, dependendo do tipo de cliente: A empresa cobra o hospital diretamente por seus serviços ou, no caso de pacientes e indivíduos, os custos são cobertos pela operadora de saúde. Para provar que este mercado não está sendo visado apenas por empresários da saúde, a Tempus é uma iniciativa do cofundador da gigante do ecomerce Groupon e outras empresas de tecnologia da informação.

De acordo com o CDC, o câncer é uma das doenças que mais tiraram a vida dos americanos até março de 2017, perdendo apenas para as causas cardiovasculares, que também são foco da Mayo Clinic, que acabou de passar por um investimento série D em conjunto com a Omron Healthcare.

A Kardio pro, produzida pela AliveCor, é uma plataforma de inteligência artificial desenhada para médicos para a detecção precoce de fibrilação atrial, que aumenta a chance em 5 vezes para uma isquemia miocárdica.

Cleveland Clinic

Em Setembro de 2016 a Microsoft anunciou a parceria com a Cleeveland Clínic para ajudar a identificar os riscos potenciais para os pacientes internados nas Unidades de Terapia Intensiva. Os pesquisadores estão usando o Cortana (assistente digital da Microsoft) para predição de riscos e análise avançada dos dados dos pacientes.

Usado por mais de 126 milhões de pessoas, o Cortana é parte da Microsoft Intelligent Cloud, que aumentou em 6% seus ganhos de 1,3 Bilhões de Dólares, de acordo com o demonstrativo anual da empresa.

O Cortana é integrado ao sistema eHospital da Cleveland Clinic, um sistema lançado em 2014 que monitora 100 leitos de unidades de terapia intensiva. Os dados desta associação ainda não estão disponíveis, mas já foram anunciados avanços importantes pelo CIO do hospital.

 Esta parceria está focada em identificar os pacientes com alto risco cardiovascular. Vasopressores são administrados em pacientes com ataque cardíacos. Os pesquisadores envolvidos pretendem predizer quando um paciente precisará ou não utilizar vasopressores em seu tratamento.

Os dados são coletados e armazenados na AZURE, uma base de dados SQL desenhada para os desenvolvedores de aplicativos. A coleta de dados vitais e laboratoriais dos pacientes também alimentam o sistema. O modelo computacional produzido integra-se com o Machine Learning para a análise preditiva.

microsoft cortana hospital ai

O modelo visual acima foi retirado do Microsoft’s Technet Blog

Massachusetts General Hospital

Atualmente em estágios iniciais, a NVIDIA anunciou em 2016 a afiliação com o Mass General Hospital Clinical Data Science Center como um parceiro fundador de tecnologia. O objetivo é ser um hub para aplicações baseadas em inteligência artificial para a detecção, diagnóstico, tratamento e manutenção das doenças.

Durnate a sua conferência de 2016 a NVIDIA descreve este GPU como um supercomputador que foi instalado no Mass General. O NVIDIA DGX 1 custou 129 mil dólares para ser implantado no hospital

Com uma base de dados equivalente a 10 bilhões de imagens médicas, este servidor Mass General NVIDIA será treinado em imageologia e patologia. O centro ainda mira expandir suas aplicações para os prontuários eletrônicos do paciente e genômica. Se o NVIDIA DGX 1 entregar a sua promessa, ele pode mitigar alguns dos desafios enfrentados na medicina:

 

“ Se pudermos de alguma forma capturar os dados relevantes, estruturá-los através de métodos repetitivos e granulares, nós retiraremos o "stress" do médico. O médico será mais feliz, nós diminuiremos os gastos do paciente e nós teremos o tipo de dado que precisamos para sermos transformadores com a inteligência artificial" disse Will Jack, CEO da Remedy Health, em entrevista para o Techemergency

 

Johns Hopkins Hospital

Em março de 2016, o Johns Hopkins anunciou o lançamento de um centro de comando que utiliza análise preditiva para gerar fluxos operacionais mais eficientes. O Hospital entrou em parceria com a GE Healthcare para desenhar o Judy Reitz Capacity Command Center, que recebe 500 mensagens por minuto e integra dados de 14 sistemas diferentes do Hospital, através de 22 telas de alta resolução.

Um time de 24 pessoas identificam e mitigam o risco, visualizando a atividade do paciente e desencadeando ações para que acelere seu fluxo no hospital. Desde o lançamento, eles já reportam uma melhora de 60% na habilidade de admitir paciente com complexas condições de saúde, das regiões próximas ao hospital ou em todo os EUA.

O hospital ainda fala que hoje consegue dar alta do departamento de emergência 30% mais rápido que anteriormente. A alta hospitalar foi relatada em uma melhora de 21%.

Os líderes do projeto fizeram uma conferência de dois dias para discutir o papel do bigdata na área da medicina de precisão. A indústria estima que a medicina de precisão terá um mercado de 173 bilhões em 2024.

Enquanto detalhes específicos ainda não foram lançados, uma palestra sobre como a inteligência artificial e o deep learning estão informando o diagnóstico de pacientes e seu tratamento, foi apresentada por 3 diferentes palestrantes: O VP da IBM Watson Health Group, Shahram Ebadollahi e Sachi Saria, PhD e professor assistente de Ciência da Computação

UCLA Medical Center

Em março deste ano, os pesquisadores da UCLA, Dr. Edward Lee e o Dr. Kevin Seals apresentaram um trabalho sobre Radiologia Intervencionista Virtual na Conferência anual da Sociedade De radiologia Intervencionista. Essencialmente um chatbot que se comunica com o clínico e fornece as respostas baseadas em evidências científicas para as questões mais perguntadas

Atualmente em período de testes, o primeiro protótipo está sendo utilizado por um pequeno time de médicos da UCLA que inclui hospitalistas, radioterapeutas e radiologistas intervencionistas. Essa aplicação baseada em inteligência artificial  promove ao clínico a habilidade de comunicar informações ao paciente sob as perspectivas do radiologista intervencionista sobre os próximos passos do plano de tratamento, em tempo real.

O sistema foi construído sob um pacote de 2000 dados exemplares para entender as questões frequentemente realizadas, que normalmente aparecem durante a consulta com o radiologista intervencionista. As respostas não estão limitadas a textos e podem incluir websites, infográficos e programas customizados.

O programa esta integrado ao processamento de linguagem natural do IBM Watson. Seguindo a tradição dos chatbots da indústria, ele não consegue dar respostas mais complexas, referenciando ao clínico para que o paciente possa tirar as suas dúvidas

Com o incremento da pesquisa, a equipe quer expandir a funcionalidade para que a aplicação atenda os médicos generalistas na interface necessária com outros especialistas, como cardiologistas e neurocirurgiões.

 Em março de 2016 os pesquisadores publicaramum estudo que combinava um microscópio especial a um programa de computador com deep learning para identificar células cancerígenas que apresentava 95% de acurácia, na Nature Scientific Reports 

Para a foto do microscópio acesse: http://newsroom.ucla.edu/releases/microscope-uses-artificial-intelligence-to-find-cancer-cells-more-efficiently

O microscópio de compressão fotônico, inventado por Barham Jalali, líder da pesquisa, produz uma gama enorme de imagens de alta definição e é capaz de analisar 36 milhões de imagens por segundo. O deep Learning então é utilizado para distingue uma célula neoplásica das demais células brancas do sangue

A biopsia líquida está crescendo e aumentando a competição neste setor. Em uma recente entrevista ao techemergency, Shelley Zhuang (fundadora do Eleven Two Capital) disse:

“... procurar DNA, RNA, proteínas e todo tipo de biomarcador que possa diagnosticar as doenças nos estágios mais iniciais possíveis é definitivamente uma área muito ativa... por exemplo, se você olhar para a Grail (um grande Spinup da Ilumina), eles muito bem financiados e estão tentando utilizar o DNA e outras informações do sangue para poderem detectar o câncer precocemente

O que tudo isso significa?

É claro que as intervenções baseadas em aprendizados por máquinas vão modificar muito da nossa prática médica. Mas tudo isso ainda tem um longo caminho  a percorrer. Vimos que os maiores e mais bem financiados hospitais do mundo já largaram na frente e estão avançados com a pesquisa e produção de seus robôs.

Isso tem muito para ensinar. Se observarmos o modo como os americanos estão produzindo estas tecnologias que mudarão a forma de diagnosticar e tratar nossos pacientes, assistimos a um ponto em comum: Todos eles estão fazendo em âmbito de pesquisa, utilizando protocolos validados em comitês de ética e com o aval de consórcios muito bem financiados para que a segurança da pesquisa seja garantida.

Claro que podemos fazer tudo isso por aqui. Mas ainda estamos distantes de ter os relacionamentos necessários, o interesse da classe médica e demais profissionais de saúde para trabalhar em conjunto, para produzir resultados e produtos que realmente entreguem o prometido, com risco mínimo à população que será necessária para a validação destas tecnologias.

O futuro vai ser diferente. Precisamos entender se queremos fazer parte dele como propositores destas soluções ou como meros usuários.

Eu já fiz a minha escolha.

Expandindo REFERÊNCIAS 

How to create a mind- The secret of human though reveled - Ray Kurzweil

Originais - Como os inconformistas mudam o mundo - Adam Grant

The Singularity is Near - When Humans Transcend Biology - Ray Kurzweil

Para acessar o artigo que foi base para este texto, clique AQUI, publicado primeiramente em ingles no site TechEmergency

Fernando Carbonieri

Fernando Carbonieri

CEO e Founder - Academia Médica

Fique informado sobre as novidades da comunidade
Cadastre-se aqui
Gostou desse artigo? Escreva o seu também!
Novo post

Artigos relacionados