A transformação da saúde com a IA & ML

Os conjuntos de dados de elevada qualidade são obrigatórios, não só para operar sistemas conduzidos pela IA e ML, mas, mais importante, para alimentar os modelos de treino nos quais são construídos.

O debate sobre Inteligência Artificial (IA) e Machine Learning (ML) não é conversa fiada. A investigação em áreas de vanguarda, como ML, continua a demonstrar que os computadores têm o potencial de prever resultados e de melhorar o desempenho dos médicos num amplo leque de tarefas. Por exemplo, a Food and Drug Administration (FDA) dos EUA aprovou este ano o primeiro diagnóstico de IA – um exame de retinoterapia diabética – que fornece resultados sem necessidade de intervenção humana.

No entanto, isto é apenas o início. O setor da saúde está preparado para uma transformação dirigida pela IA e ML, alimentada por uma grande quantidade de fontes de dados – registos clínicos eletrónicos, sequências de ADN (genoma), dispositivos móveis, sensores integrados e até registos de faturação.

As soluções de IA e ML são já utilizadas por milhares de empresas com o objetivo de melhorar a experiência na área de saúde. Por exemplo, a Zocdoc utiliza a IA para algo que aparenta ser muito simples, mas que regularmente aborrece os pacientes. A empresa criou uma aplicação de cartões de seguro, que informa os pacientes se os médicos particulares aceitaram os seus planos de saúde.

Através da construção de um modelo de ML e treinando uma rede neural para a leitura de uma grande coleção de cartões de seguros, a Zocdoc criou um sistema que extrai dados relevantes e verifica com as seguradoras, em tempo real, se a visita de um paciente a um determinado prestador é abrangida pelo seguro.

Construir as bases para a IA e ML

Impulsionar soluções de IA e ML requer uma matéria-prima fundamental: dados. Os dados são o ingrediente essencial que as entidades de saúde precisam para aumentar a sua eficiência e melhorar os resultados e a qualidade de vida, tanto dos pacientes, como dos prestadores.

Embora as exigências do tratamento a pacientes e o desenvolvimento de novas terapias releguem a recolha e a análise de dados para segundo plano na área da saúde, as novas ferramentas permitem aos developers integrarem facilmente ML e outras capacidades no processo rotineiro de desenvolvimento e fornecimento de tratamentos. Longe de ser um domínio exclusivo de investigadores e empresas tecnológicas, a IA e ML estão agora acessíveis a todos.

À medida que estes casos de utilização se expandem, o sucesso está dependente de vários ingredientes. Requer grandes quantidades de dados cuidadosamente selecionados e de elevada qualidade, que podem ser difíceis de encontrar numa área como a da saúde, onde frequentemente os dados são complexos e não estruturados. Os conjuntos de dados de elevada qualidade são obrigatórios, não só para operar sistemas conduzidos pela IA e ML, mas, mais importante, para alimentar os modelos de treino nos quais são construídos.

Além disso, os sistemas precisam de ser otimizados para trabalhos de computação intensiva, típicos das aplicações de IA e atualizados consoante o avanço da tecnologia. Os recursos tecnológicos que cumprem os padrões e a regulação do setor são fundamentais para garantir a segurança e a privacidade do paciente e de outros dados confidenciais.

Mas, acima de tudo, são os dados que fazem ou “desfazem” um esforço de IA. Uma empresa que faz isto com êxito é a Flatiron Health. A empresa está a ligar dados clínicos a partir de 265 centros oncológicos, uma rede crescente de centros académicos e outras instituições de saúde que, em conjunto, documentam mais de dois milhões de casos de cancro.

Ao integrar estes dados em sistemas de IA, a Flatiron é capaz de otimizar cuidados, desenvolver novos planos de tratamento e descobrir potenciais novas terapias. A comprovar o quão valiosa é, a farmacêutica suíça Roche, investidora desde 2015, adquiriu em fevereiro a Flatiron por 1,9 mil milhões de dólares (cerca de 1,6 mil milhões de euros).

Potenciar a inovação

Outra tecnologia crucial para fornecer a capacidade de armazenamento, a flexibilidade, a segurança e a capacidade analítica necessárias para implementar a IA e o ML – e impulsionar inovações – é a cloud.  As plataformas de computação em nuvem facilitam a introdução e o processamento de dados, quer sejam estruturados, não estruturados ou de fluxo contínuo. Estas ferramentas simplificam o processo de criação, de treino e de implementação de modelos baseados em Machine Learning.

As instituições de saúde que consigam utilizar os dados para se tornarem a si e aos seus clientes mais eficientes e eficazes, vão ser mais bem-sucedidas nos próximos anos, especialmente se a mudança para a cobrança dos cuidados médicos pelo justo valor, consoante os rendimentos do paciente, ganhar impulso juntamente com a IA.

Por exemplo, a empresa holandesa de tecnologia Philips está a construir a HealthSuite, uma plataforma digital na cloud com mais de 21 petabytes de dados de 390 milhões de imagens médicas, registos médicos e contributos de pacientes. A HealthSuite fornece a médicos, clínicos, cientistas de dados e programadores de software o acesso a dados de qualidade e a ferramentas de IA, que podem ser utilizadas para melhorar os cuidados em tempo real.

Da mesma forma, a Orion Health aloja dados para 50 milhões de utilizadores na nuvem, permitindo que os seus clientes acedam a informações de pacientes, desde dados clínicos e genéticos, a dados de reclamações e reembolsos. As ferramentas associadas permitem que os médicos identifiquem estratégias personalizadas de tratamento e prevenção e otimizem a tomada de decisão clínica.

As empresas de saúde, desde conglomerados estabelecidos a startups, procuram cada vez mais a IA e ML para impulsionar a inovação e a transformação nas suas empresas e em todo o setor, com o objetivo de reduzir o tempo de descoberta e de conhecimento, ao mesmo tempo que melhoram as experiências dos pacientes.

À medida que a disponibilidade e o volume de fontes de dados continuam a crescer, os ingredientes essenciais para o sucesso da IA e do ML permanecem iguais: dados de elevada qualidade, sistemas otimizados, a cloud e serviços ML que tornem o Machine Learning acessível diariamente aos developers, eliminando o trabalho pesado de criação, treino e implementação de modelos. Logo que estes elementos fundamentais estejam estabelecidos, a IA e ML têm o potencial de fornecer cuidados mais eficientes e eficazes, melhorar a tomada de decisões e a capacidade de gerar mais valor para os pacientes e para os prestadores.

Recomendadas
pedro-pardal-henriques

Motoristas avançam com greve ao trabalho suplementar no início de setembro

O sindicato dos motoristas de matérias perigosas vai entregar hoje o pré-aviso de greve ao trabalho suplementar, após não chegarem a acordo com os patrões. “O único regime em que as pessoas podem fazer trabalho suplementar sem receberem é a Coreia do Norte”, disse Pardal Henriques.

Adivinhar o futuro

É necessário o relançamento de uma política fiscal que favoreça a atividade empresarial, sobretudo que permita o incremento da competitividade.

Dividir Google, Amazon, Facebook, Apple e Microsoft: o Oriente agradece

Atualmente, quando se pensa na divisão das megaempresas para ganhar terreno no plano concorrencial, não se pode pensar apenas no plano económico, também importa pensar no plano geopolítico.
Comentários