Coordenada pela Dra. Paula Fernandes Távora, ex-presidente da SBPC/ML e sócia fundadora e diretora médica da Vacsim, a mesa redonda “Inteligência artificial em Medicina Laboratorial: exemplos práticos”, realizada no dia 10/9, trouxe uma série de informações importantes de como os laboratórios brasileiros têm usado a Inteligência Artificial (IA) como um protagonista na maior agilidade e precisão diagnóstica dos pacientes, bem como oferecer serviços personalizados a cada um deles. O Machine Learning foi outro ponto forte abordado.
O bacharel em Estatística pela Universidade de São Paulo e mestre em Economia de Empresas pela FGV-SP, Hommenig Scrivani falou sobre o Impacto da IA na jornada do paciente”. Ele explicou que a IA se faz da inteligência humana e o desenvolvimento é feito de maneira artificial.
Um exemplo simples: um paciente chega ao hospital e a atendente faz a triagem, as perguntas básicas e direciona a pessoa para um guichê específico. Usando a IA, ao utilizar um totem, o paciente pode responder a essas perguntas com apenas toques e já ser direcionado ao guichê correspondente. Em outra situação, no caso de um paciente com câncer de próstata, pode-se desenvolver um Machine Learningpara entender o caso dele. Assim, será mostrado o volume prostático por meio de algoritmos que auxiliarão o médico no diagnóstico.
“Fazer a operabilidade de dados ajuda tanto o médico quanto o paciente. Eles mostram a idade, gênero, respostas da saúde mental e exames realizado anteriormente. O paciente pode receber um alerta para repetir exames no momento necessário a pedido do médico por meio de uma ativação feita pelo profissional.
Edson Amaro, especialista do Hospital Albert Einstein, explanou sobre o “Uso da IA no ambiente hospitalar”. Ao iniciar sua apresentação, ele salientou que a indústria de telecomunicação, entretenimento e financeira já atuam com Big Data há alguns anos, porém a área da saúde a saúde ainda está atrasada na adoção de novas tecnologias.
Sobre o uso da tecnologia na saúde, ele mencionou sua própria experiência. “No Einstein, visamos três esferas centradas no indivíduo: a biologia, quando focamos em dados relativos a microbiomas, DNA, RNA, metaboloma e organismos que estão conosco; ambiente, baseado nas relações do dia a dia com o meio ambiente, nível de educação do indivíduo, contexto socioambiental, populações com menos acesso ao transporte, comportamento, relações dos pares dentro das redes sociais, dados nutricionais; e comportamento, ou seja, a relação com o contexto externo, polifarmácia, quantidade de medicamento de acordo com o comprometimento do paciente”.
O nosso comportamento é muito registrado pelos ambientes digitais, como no caso do Google e da Netflix, e em saúde isso é fundamental. A ideia estratégia no uso de Big Data visa organizar a iniciativa para extrair valor de dados da cadeia de saúde e o uso médico dessas ferramentas requer uma curva de aprendizado do médico. “Nada vai fazer sentido se o médico não for treinado e não estiver confortável com essas ferramentas. Ele precisa ter uma cultura de uso de dados”, explica. Sobre Analytcs, o profissional diz que é possível se ter uma ideia do que vai acontecer, porém, pondera: “não é fácil tomar decisões hoje a partir do que pode acontecer no futuro”.
Ao longo da Mesa Redonda, foi feita a apresentação do “Desenvolvimento de sistema de redes neurais convolucionais profundas para identificação de células em sangue periférico”, por Paulo Henrique Orlandi Mourão, médico Patologista Clínico Hospital das Clínicas da UFMG – Ebserh. Ele salientou que essas redes se tornaram mais populares em 2021. Este ano, uma rede convencional chamada ImageNet, comporta de 100 classes de imagens, participou de uma competição e venceu por uma diferença grande em relação a outros sistemas baseados em outras tecnologias e isso acendeu um interesse significativo nas redes neurais convencionais.
“Em 2017, o vencedor da competição teve um erro de 2,3%. Em comparação a um humano, o erro é em torno de 5%. Nessas competições, a participação dessas redes é melhor do que de humanos. A área médica tem tido um vasto interesse e de uma forma geral os artigos mostram que essas redes têm um desempenho equivalente a experts da área”.
Por fim, diretor Executivo de TI, Inovação e Digital do Grupo Hermes Pardini, João Vicente Alvarenga, falou sobre “IA e ferramentas de Analytics na gestão de laboratórios clínicos”. Ele apontou que hoje, 89% dos exames do laboratório são 100% automatizados. Por mês, são processados 16 milhões de exames sem erro e sem o Machine Learning isso seria impossível.
“Ao longo dos últimos três anos desenvolvemos outras aplicações de IA para covid-19 com exames de imagem, o que gerou a primeira parceria da Google com raio x e ressonância magnética. Isso pode não fazer muto sentido agora, mas no início da pandemia faltavam reagentes para exames estratégicos”.
Outro exemplo é o Protocolo Stroke (AVC), uma IA de detecção do que é ou não um AVC hemorrágico. Parece algo simples, mas pode salvar vidas. Há outros tipos de inteligência usada hoje, que atende 6.000 laboratórios com seus códigos específicos. “Antes gastava-se muito tempo para fazer a correlação do parceiro e a IA automatizou issoe acontece em segundos”, comenta.
Alvarenga finaliza sua apresentação falando sobre a aposta do Grupo Pardini. “É a medicina personalizada, um tratamento específico para cada paciente. Hoje, temos condições, por meio de Machine Learning, de obter históricos do paciente e isso permitirá fazer o cruzamento de dados para encontrar achados científicos em exames que ele fez ao longo da visa com laudos atuais. E isso permitirá oferecer um tratamento personalizado e ações preventivas para o paciente. (Com informações da Advice Comunicação Corporativa – 14.09.21)
