Como o Deep Learning está mudando os cuidados de saúde Parte 2: Prevenção

Na semana passada, falamos sobre como a IA está mudando a maneira como os médicos diagnosticam doenças e distúrbios.

Mas, por mais importante que seja um diagnóstico rápido, barato e preciso, há uma coisa que é ainda melhor: a prevenção.

Esta semana, estamos mergulhando em como a IA está transformando a maneira como os médicos preveem e previnem doenças e hospitalizações.

Previsões oportunas ajudarão a prevenir doenças

Todos os anos, os hospitais dos EUA admitem desnecessariamente 4,4 milhões de pacientes, custando US$ 30,8 bilhões, segundo estimativas da Agência dos EUA para Pesquisa e Qualidade em Saúde.

Apenas duas doenças – doenças cardíacas e complicações do diabetes – são responsáveis ​​por metade de todas as hospitalizações desnecessárias.

Infográfico de doenças cardíacas (Fonte: Huffington Post)

Aqui estão alguns exemplos de como o aprendizado profundo já está ajudando a prever e evitar eventos negativos de saúde relacionados a doenças cardíacas e diabetes:

• Pesquisadores do Centro de Engenharia da Informação e Sistemas da Universidade de Boston têm trabalhado com hospitais locais para monitorar pacientes com doenças cardíacas e diabetes e prever quais deles precisarão de hospitalização. Se os profissionais de saúde puderem prever quem precisará de ajuda antes que seja necessário, eles poderão evitar muitas dessas hospitalizações. O modelo de aprendizado profundo que os pesquisadores estão usando pode prever com 82% de precisão quem precisará de hospitalização com cerca de um ano de antecedência.

• Pesquisadores da Sutter Health e do Georgia Institute of Technology agora podem prever insuficiência cardíaca usando deep learning para analisar registros eletrônicos de saúde até nove meses antes dos médicos usarem meios tradicionais.
• Frans Von Houten, presidente e CEO da Royal Philips, disse à CNBC em maio que sua empresa agora usa IA para prever com precisão se um paciente terá um ataque cardíaco horas antes de acontecer.

Mas a IA não está apenas ajudando a prevenir eventos repentinos de saúde. Também está ajudando a impedir a degeneração contínua.

Por exemplo, a retinopatia diabética é uma das principais causas de cegueira entre adultos em idade ativa.

Diagrama de retinopatia diabética (Fonte: news-medical.net)

Essas complicações relacionadas ao diabetes surgem de picos e quedas nos níveis de glicose no sangue, portanto, prever com precisão os níveis de glicose no sangue é fundamental para evitar quedas e picos em primeiro lugar com lanches e injeções de insulina na hora certa.

Um artigo de julho de 2017 mostra que redes neurais profundas, que realizam aprendizado profundo, podem aprender com um conjunto de crianças diabéticas como prever com precisão os níveis de glicose no sangue (para evitar essas quedas e picos) em um grupo maior de crianças.

A compreensão de como os genes levam à doença se aprofundará

Outra maneira de prevenir doenças com IA é prever quem desenvolverá certos distúrbios com base em sua composição genética.

De acordo com o analista de saúde do Gartner, Richard Gibson, os genes são “a maior coisa que já atingiu a saúde, definitivamente desde o advento dos antibióticos em 1950”.

Especificamente, à medida que os pesquisadores coletam dados genômicos em níveis sem precedentes e os modelos de aprendizado profundo tornam a análise desses dados e o desenho de conexões mais fáceis do que nunca, estamos aprendendo muito sobre como fatores genéticos, como mutações, levam a doenças.

Esses avanços estão levando à medicina personalizada ou de “precisão”, onde o objetivo é adaptar os tratamentos à composição genômica de cada paciente.

Seu genoma é o conjunto completo de instruções químicas para construir um “você”. Embora a genômica ainda esteja em sua infância, há projetos avançando. Por exemplo, uma equipe de pesquisadores da Universidade de Toronto está trabalhando para construir um mecanismo de interpretação genética para identificar rapidamente mutações causadoras de câncer em pacientes individuais.

Também em Toronto, uma startup chamada Deep Genomics aplica um modelo de aprendizado profundo a enormes conjuntos de dados de informações genéticas e registros médicos para combinar variações genéticas com doenças correspondentes.

Ambas as organizações usam a plataforma de computação de IA, GPU Nvidia para seus modelos.

Prepare-se para o aprendizado profundo com o software certo

Embora GPUs como as fabricadas pela Nvidia sejam essenciais para executar algoritmos de aprendizado profundo, você também precisa de software especializado para tornar a IA de saúde uma realidade.

O grupo da Universidade de Boston foi capaz de prever quem precisaria de hospitalização com muito mais precisão do que os médicos sozinhos, porque usaram redes neurais profundas (DNNs).

As DNNs podem analisar até 200 fatores, como histórico de saúde e informações demográficas, para identificar aqueles que estão associados a doenças futuras. No entanto, para que o modelo DNN funcione, ele precisa de dados de registros EHR.

Um desafio potencial é que os EHRs normalmente armazenam esse tipo de dados em grandes blocos de texto. Por exemplo, um EHR pode ter um registro do histórico de depressão de um paciente em uma seção de “Notas”, onde um médico escreve “A mãe do paciente sofria de humor deprimido” junto com queixas atuais, problemas, etc.

Mas, para funcionar, os modelos de IA precisam de dados bem estruturados. É mais fácil para uma máquina analisar que um paciente tem um histórico familiar de depressão se houver uma coluna chamada “histórico familiar” e uma caixa de seleção ao lado de “depressão”.

Em breve, o aprendizado profundo será “obrigatório para pessoas que criam aplicativos de software sofisticados”, disse o sócio da Andreessen Horowitz, Frank Chen, à Fortune.

A maioria dos capitalistas de risco, incluindo aqueles que investem em startups de SaaS, nem sabiam o que era deep learning cinco anos atrás. Hoje, os investidores “preocupam-se com as startups que não o possuem”, diz Chen.

Da mesma forma, você deve ter cuidado com os EHRs que não criam e armazenam o tipo de dados bem estruturados que funcionam com modelos de aprendizado profundo. Você pode até procurar um EHR que incorporou a IA em sua funcionalidade de documentação clínica, por exemplo, a parceria da Epic com a Nuance.

No entanto, a maioria dos sistemas EHR não terá IA incorporada por um tempo, de acordo com Anil Jain, MD, FACP, e vice-presidente e diretor de informática de saúde da IBM Watson Health. A opção nesses casos é integrar a funcionalidade de IA ao seu EHR existente. A partir de agora, a maioria dos sistemas de saúde terá que desenvolver e implantar a IA como funcionalidade complementar.

Foi isso que a Intermountain Healthcare fez com seu EHR, criando mais de 150 protocolos no Cerner. Com cada protocolo, o Cerner emite um alerta quando recebe informações do paciente que indicam uma determinada condição médica e, em seguida, orienta os médicos através de exames adicionais sugeridos e tratamentos potenciais.

A construção desses protocolos costumava exigir 12 médicos, enfermeiros e especialistas em análise e levaria mais de um ano. Mas, em parceria com a Intermountain, eles podem ser construídos em 10 dias sem mão de obra humana.

Quando você fala com vendedores de software, quer esteja procurando por software de EHR ou software de gerenciamento de prática médica, é importante saber quais perguntas fazer.

Siga a sugestão do parceiro de VC Chen e faça perguntas como:

• “Onde está sua versão de processamento de linguagem natural?”
• "Como falo com seu aplicativo para não precisar clicar nos menus?"

Próximos passos

Atualmente, grandes centros de pesquisa e sistemas de saúde estão desenvolvendo modelos de aprendizado profundo que podem prever e prevenir doenças e hospitalizações e descobrir quais genes estão associados a futuras doenças e distúrbios.

Ao comparar o software EHR, pergunte aos fornecedores da sua lista sobre qualquer funcionalidade ou integração de IA que eles oferecem. Por exemplo, os dados são armazenados em um bloco de texto ou são mais estruturados?

Idealmente, você deve escolher um EHR que tenha a funcionalidade de IA integrada ou um que possa ser integrado a um modelo de aprendizado profundo.