Imagine receber uma mensagem de texto em seu smartphone que diz: “Oi! Você está a aproximadamente trinta dias de um ataque cardíaco. Para descobrir o que você pode fazer para pará-lo, clique neste link.” Você clicaria no link? Mais fundamentalmente, você gostaria de saber sobre um grande problema de saúde antes que ele aconteça?
Desde os tempos de Democrates, o modo ocidental de Medicina tem sido reativo. Continuamos nossas vidas diárias até que um problema de saúde nos obrigue a andar, correr ou ser levado a um médico. O médico atormentado tenta descobrir o provável problema com base em um conjunto de sintomas rapidamente reunidos. Em muitos casos, o médico recebe pouca ou nenhuma compreensão de nosso histórico médico ou estilo de vida – não há sentido para a complexa interação de nossa doença mais recente com a perna quebrada do ano passado, o estresse relacionado ao trabalho da semana passada ou a terceira cerveja da noite passada.
Uma das grandes ironias da nossa era digital é que o médico sabe menos sobre nós do que nossas redes sociais, nossas empresas de cartão de crédito ou nossos aplicativos de namoro. O corpo humano é uma máquina altamente complexa e sua saúde – nossa saúde – é afetada por centenas de nanodecisões diárias, desde o sono que interrompemos, o lanche matinal que comemos, as notícias que assistimos, o café que bebemos, o exercício que renunciamos, até como reagimos a um cliente irritado no trabalho.
Esperar que um médico obtenha uma imagem precisa do que está errado e como consertá-lo é como pedir a um mecânico que conserte um carro quebrado com base em uma Polaroid única do motor. Na verdade, é nada menos que milagroso o que médicos podem fazer, já que sabem tão pouco das realidades de nossas vidas diárias – imagine o que eles poderiam fazer com um quadro completo!
A ideia de que a saúde é muito mais do que uma coleção de sinais vitais, resultados de laboratório e imagens de diagnóstico não é nova. No entanto, o que é único no aqui e agora é nossa capacidade técnica de registrar e dar sentido aos constantes fluxos de dados que nossos corpos produzem.
Gravar os dados foi o primeiro Rubicon. A ascensão das comunicações sem fio e a miniaturização dos sensores no início dos anos 2000 deram origem ao promissor campo da telessaúde. Monitores de pressão arterial habilitados para Bluetooth e balanças, juntamente com videoconferência, significavam que o médico agora poderia ir à sua casa para uma visita virtual. Talvez mais importante, isso significava que o médico poderia ver como sua pressão arterial e peso flutuavam ao longo do tempo – isto é, desde que você se lembrasse de subir na balança ou fazer a medição da pressão arterial.
Demos outro grande passo à frente com o surgimento de dispositivos conectados e wearables de consumo. Agora, você não precisa se lembrar de pisar na balança, afinal. Basta colocar no seu Apple Watch ou Fitbit e seguir sua vida diária - os sensores passivos internos podem rastrear automaticamente sua atividade, sua inatividade e, eventualmente, cada vez mais seus sinais vitais.
É claro que o desafio de registrar tantos dados de atividade se torna o de processamento. Se apresentarmos ao médico dezenas de milhares de pontos de dados de caminhada, corrida, exercício, sono, batimentos cardíacos e assim por diante, provavelmente exigiria muito mais análise de dados do que o possível nos vinte minutos reservados para nossa consulta.
Mesmo que o médico tivesse tempo para analisar todos os picos e vales em nossos dados - as calmarias do Dia de Ação de Graças, os picos de atividade de resolução pós-Ano Novo e tudo mais - ainda haveria o problema de garantir que os dados pudessem ser sobrepostos sobre a linha de base apropriada. Um nível de atividade básico para mim parece bastante diferente do nível básico para um atleta olímpico. Qual é a coorte de comparação correta, então? Um médico ocupado talvez possa atender mil pacientes por ano. Esse é um painel limitado para fazer inferências estatísticas.
Felizmente, o problema de processamento está sendo abordado em um nível superior. As empresas de análise trabalham há muito tempo com seguradoras de saúde para realizar análises de dados para populações de milhões. Tradicionalmente, grande parte desse trabalho se concentrava em dados de sinistros - o pão com manteiga da seguradora de saúde - e buscava identificar como os diagnósticos, procedimentos e prescrições de um paciente estão correlacionados com o risco de futuros problemas de saúde.
Esse tipo de análise foi útil em termos de médias populacionais gerais, mas o verdadeiro avanço aconteceu quando novos desafiantes no espaço de análise começaram a olhar para conjuntos de dados menos tradicionais. “Espere um segundo”, disseram eles, “como é que o código postal de um paciente pode às vezes me dizer mais sobre a probabilidade de esse paciente acabar no hospital do que seu registro médico? E quão bom é saber as prescrições de um paciente quando esse paciente não tem dinheiro para o transporte e não pode ir à farmácia para preenchê-las?”
Descobriu-se que as empresas de análise estavam captando algo que os gerentes de atendimento e assistentes sociais vinham vendo o tempo todo – a saúde dos pacientes era baseada tanto em seus dados clínicos quanto em seus dados socioeconômicos e ambientais, o chamado “social determinantes da saúde”. A parte interessante era que os dispositivos conectados podiam preencher muitas lacunas, fornecendo dados clínicos e sociais. Ao juntar tudo isso com as reivindicações tradicionais e os dados de avaliação, estamos começando a montar a primeira imagem holística do paciente e batendo na porta do cuidado integral.
Agora temos o maquinário para coletar conjuntos de dados mais ricos do que nunca. Os aplicativos do consumidor que rastreiam a atividade e o sono estão começando a ser integrados a informações clínicas e notas de assistentes sociais sobre os determinantes sociais da saúde. Ao mesmo tempo, o advento do aprendizado de máquina significa que podemos descobrir novas correlações anteriormente desconhecidas pela ciência médica e usá-las para informar protocolos de tratamento que vão muito além de tomar dois comprimidos pela manhã e ligar para o consultório se você não se sentir melhor .
De fato, chegamos ao alvorecer da terapia digital – a ideia inevitável de que será um software dizendo quando e se tomar aquela pílula, ou renunciar a uma xícara extra de café ou dormir uma hora extra. A terapia digital aumenta a performance e o campo de atuação do médico e da prescrição tradicional: eles podem acompanhá-lo em casa, falar com você no trabalho e monitorá-lo na academia. Você já está discutindo sua escolha de música com o Alexa da Amazon e consultando o Google Assistant sobre o clima, por que não conversar sobre sua saúde?
À medida que coletamos mais e mais dados, os algoritmos de machine learning ficam cada vez mais inteligentes, nossas análises e terapêuticas digitais inevitavelmente melhorarão na previsão de quais eventos de saúde provavelmente ocorrerão (e quando para cada paciente) e o que pode ser feito para prevenir ou minimizar seu impacto. Obviamente, as preocupações com a privacidade dos dados permanecem primordiais.
Felizmente, temos uma estrutura regulatória robusta nos Estados Unidos para a proteção de informações pessoais de saúde. Contanto que os reguladores garantam que nossos dados sejam usados para prevenção e tratamento, em vez de aumentar nossas taxas de seguro ou reduzir nossos salários, ficarei feliz em fornecer todos os pontos de dados que puder. Quando for dada a escolha entre um texto me avisando de um ataque cardíaco e o ataque em si, eu aceito o texto e a chance de melhorar meu resultado de saúde.
A tecnologia está revolucionando a forma ocidental de Medicina e nos levando da reação à prevenção. Ainda há um longo caminho a percorrer, mas as provas de conceito e os pilotos que já estão por aí são de tirar o fôlego. É definitivamente um momento emocionante para estar vivo e emocionante para fazer parte dos desenvolvimentos de ponta que nos manterão assim.
Leia também:
Como preparar os médicos para o mundo influenciado pela Inteligência Artificial
O desenvolvimento e a potencialidade do metaverso médico
Pacientes ou clientes? Para construir lealdade, é preciso entender as necessidades do ser humano
Mini-guia para estudantes de medicina que pensam no empreendedorismo
8 características da digitalização que melhoram o ambiente de trabalho médico
Para investir na saúde digital, tecnologia não é o bastante
Riscos e oportunidades de grandes empresas de tecnologia no setor da saúde