// Neural Networks

Como as Redes Neurais Podem ser Usadas no Setor de Saúde: 10 Casos de Uso

O mercado de IA de saúde foi avaliado em US$ 8,23 bilhões em 2020 e deve atingir US$ 194,4 bilhões até 2030, crescendo a um CAGR de 38,1% de 2021 a 2030. Ao mesmo tempo, as redes neurais artificiais se tornarão o principal motor do crescimento do...

Índice

#1. Cirurgia robótica
#2. Diagnóstico por imagem
#3. Assistentes de Cuidados Virtuais
#4. Fluxo de trabalho e tarefas administrativas
#5. Previsão de surtos de doenças infecciosas
#6. Criação de medicamentos e novos tratamentos
#7. Medicina personalizada
#8. Combate à fraude
#9. Modificação de comportamento
#10. Coleta e análise de dados

O mercado de IA de saúde foi avaliado em US$ 8,23 bilhões em 2020 e deve atingir US$ 194,4 bilhões até 2030, crescendo a um CAGR de 38,1% de 2021 a 2030. Ao mesmo tempo, as redes neurais artificiais se tornarão o principal motor do crescimento do mercado, pois é graças a elas que a “mente” digital pode aprender de forma tão rápida e eficiente. Neste artigo, descreveremos exatamente como as redes neurais artificiais são usadas na medicina hoje.

Cirurgia robótica

Os procedimentos cirúrgicos exigem profundo conhecimento médico, alta precisão, capacidade de adaptação às mudanças das circunstâncias e atenção constante por um longo período de tempo. Embora cirurgiões treinados tendam a ter todas essas qualidades, eles são apenas pessoas comuns e, portanto, podem cometer erros, especialmente se tiverem uma agenda lotada. De acordo com uma pesquisa da Universidade Johns Hopkins, os erros cirúrgicos ocorrem mais de 4.000 vezes por ano apenas nos EUA . Por exemplo, pelo menos 39 vezes por semana um cirurgião deixa objetos estranhos dentro de pacientes, mais de 20 vezes por semana os cirurgiões realizam a operação errada ou operam no órgão errado.

Smart Tissue Autonomous Robot or STAR is the first AI that has planned and performed soft-tissue surgery (pigs) without human intervention

O Smart Tissue Autonomous Robot, ou STAR, é a primeira IA a planejar e executar cirurgias de tecidos moles (suínos) sem intervenção humana. Fonte

A cirurgia robótica pode aliviar esse problema. Em particular, a IA baseada em redes neurais pode ser usada para simular e planejar uma operação, avaliar as habilidades de um cirurgião e simplificar as tarefas cirúrgicas. Além disso, robôs com braços mecânicos podem realizar procedimentos cirúrgicos de forma independente, o que acelerará e reduzirá o custo desse tipo de serviço, além de tornar a cirurgia altamente profissional mais comum - é improvável que um cirurgião legal queira morar em áreas pobres da África ou na Ásia, enquanto um cirurgião robô pode ser colocado em qualquer sala com eletricidade.

E tudo isso não são apenas palavras: a indústria da cirurgia robótica já está avaliada em US$ 40 bilhões e apresenta excelentes resultados:

  • Redes neurais artificiais analisam dados de prontuários médicos pré-operatórios para orientar o instrumento do cirurgião durante a cirurgia, reduzindo o tempo de internação do paciente em 21% ou mais.
  • Um estudo com 379 pacientes ortopédicos descobriu que um procedimento robótico baseado em rede neural resultou em cinco vezes menos complicações em comparação com cirurgiões trabalhando sozinhos.
  • Os cirurgiões cardíacos são assistidos por um robô Heartlander em miniatura . Ele insere uma pequena incisão no tórax para realizar sondagem, mapeamento e tratamento estáveis e localizados em toda a superfície do coração. Seu uso reduz o dano ao paciente se o acesso ao coração for necessário.
  • O robô cirúrgico autônomo Smart Tissue (STAR) executou independentemente uma tarefa difícil em tecidos moles de porco (reconectando as duas extremidades do intestino), mostrando resultados significativamente melhores do que os cirurgiões humanos.

Diagnóstico por imagem

A imagem na medicina refere-se ao processo de criação de representações visuais das estruturas internas do corpo para análise clínica e intervenção médica, bem como uma representação visual das funções de determinados órgãos ou tecidos. A imagem melhora o diagnóstico ao usar raios-x, tomografia computadorizada, mamografia, ressonância magnética, PET, ultra-som e outros procedimentos.

Você precisa desenvolver um projeto de sucesso?

Obtenha uma consulta rápida.

Solicite uma cotação

A comunidade médica há muito reconhece que a imagem pode aumentar significativamente a probabilidade de detecção de doenças. Mas muitas vezes até mesmo o olho humano treinado de um médico não consegue reconhecer pequenos detalhes nas imagens. Além disso, também não devemos esquecer o problema dos olhos “embaçados”: pesquisadores da Universidade de Harvard adicionaram uma imagem de um gorila aos raios X e os mostraram aos médicos - 83% dos radiologistas não notaram a imagem de um gorila no raios-x .

Only 2 doctors out of 10 noticed the gorilla in this picture.

gorila nesta foto.

Redes neurais convolucionais (CNNs) são ótimas para imagens médicas . As CNNs são projetadas para processar imagens, o que significa que podem ser usadas na medicina, como análise de ressonâncias magnéticas ou raios-x, de acordo com cientistas da Universidade de Stanford. Além disso, as CNNs geralmente superam a precisão humana. Por exemplo, em dermatologistas profissionais, a precisão da detecção de melanoma é de 65% a 85%. Considerando que soluções como TensorFlow, scikit-learn ou keras mostram precisão no nível de 87% a 95% .

Neural networks are 10% more accurate at detecting melanomas than human dermatologists

As redes neurais são 10% mais precisas na detecção de melanomas do que os dermatologistas humanos. Fonte.

Ao mesmo tempo, eles trabalham muito mais rápido do que as pessoas, sem pausas para almoço e dias de folga: pesquisadores da Escola de Medicina Mount Sinai Icahn desenvolveram uma rede neural capaz de diagnosticar condições neurológicas importantes, como acidente vascular cerebral e hemorragia cerebral, 150 vezes mais rápido do que os radiologistas humanos.

Aqui estão mais alguns exemplos de imagens médicas usando redes neurais:

  • Em 2019, os pesquisadores usaram uma rede neural convolucional construída nas arquiteturas ResNet50 e InceptionV3 para analisar conjuntos de imagens médicas e dermatoscopia. Esta solução forneceu o mesmo nível de precisão que os diagnosticadores humanos profissionais.
  • Uma das ferramentas de detecção precoce do câncer de mama, desenvolvida pelo Houston Medical Research Institute, interpreta mamografias com 99% de precisão e fornece informações de diagnóstico 30 vezes mais rápido que um humano.
  • Um grupo de pesquisadores chineses desenvolveu um sistema de rede neural para analisar imagens de raios-X em busca de sinais precoces de pneumonia causada pelo COVID-19. Essa ferramenta economiza até 40% do tempo de diagnóstico dos médicos, permitindo que eles identifiquem, isolem e tratem pacientes contagiosos mais rapidamente.
  • científica da Espanha desenvolveu um algoritmo de aprendizado profundo baseado em uma rede neural para melhorar a resolução da ressonância magnética. Ajuda a identificar patologias complexas associadas ao cérebro, incluindo câncer, distúrbios da fala e lesões físicas .
  • A IA do Facebook (agora Meta) e a NYU Langone Health desenvolveram uma IA chamada Ele oferece uma nova abordagem para a criação de imagens de ressonância magnética que acelera o processo de digitalização em 4 vezes. Quando essas imagens foram fornecidas aos radiologistas, eles não conseguiram distinguir a diferença entre um exame tradicional e um exame criado com fastMRI.

Assistentes de Cuidados Virtuais

Outra coisa em que as redes neurais podem ajudar é interagir com os pacientes em questões como consultas de pacientes, gerenciamento de informações confidenciais de saúde do paciente, agendamento de consultas com médicos, envio de relatórios de exames, lembretes para consultas médicas e muito mais. A transferência dessas tarefas para a IA poderia economizar US$ 20 bilhões anualmente apenas no mercado de saúde dos EUA.

Assistentes de enfermagem virtuais, como o Care Angel, podem realizar uma consulta inicial, marcar uma visita ao hospital, manter parcialmente os registros médicos, relatar os resultados dos testes e até mesmo realizar uma verificação de saúde usando a voz. Outro exemplo de uma solução semelhante é Sensely. Este assistente virtual é um aplicativo interativo projetado para agilizar o fluxo de trabalho médico, automatizar processos de rotina e reduzir o custo de monitoramento do atendimento ao paciente. Estudos mostram que o uso do Sensely pode reduzir os custos de mão de obra para monitoramento de pacientes em 66% em comparação com um procedimento convencional.

Fluxo de trabalho e tarefas administrativas

Uma pesquisa do New England Journal of Medicine (NEJM) com médicos britânicos descobriu que mais de 80% dos entrevistados consideram o esgotamento médico um problema em sua organização . Ao mesmo tempo, metade desses entrevistados relatou que “descarregar tarefas administrativas” pode resolver total ou parcialmente esse problema, permitindo que os médicos passem mais tempo com os pacientes, além de dedicar mais tempo ao desenvolvimento profissional. E acima de tudo reclamações sobre a necessidade de manter Registros Eletrônicos de Saúde (EHR) de pacientes que utilizam muitos hospitais ao redor do mundo.

The prevalence of burnout among medical personnel in the United States

Quão comum é o burnout entre a equipe médica nos EUA. Fonte.

A inteligência artificial baseada em redes neurais pode assumir parte significativa do trabalho administrativo rotineiro de preenchimento de documentos e relatórios, o que economizará até US$ 18 bilhões em saúde. Por exemplo, um algoritmo de transcrição de voz para texto pode ajudá-lo a preencher um EHR, solicitar exames, prescrever medicamentos, fazer anotações e outras coisas usando sua voz durante o exame de um paciente.

Um exemplo de tal solução é o Olive, uma plataforma com inteligência artificial que automatiza vários processos administrativos, como validação de pedidos médicos infundados, transferência de dados médicos necessários para os profissionais de saúde apropriados etc. Olive integra-se facilmente a ferramentas de software de saúde existentes.

Serviços semelhantes são fornecidos pela K2 Process Automation. Esta plataforma utiliza inteligência artificial para otimizar a gestão de instituições médicas e seus funcionários. Em particular, o AI K2 pode atualizar automaticamente os dados no registro do paciente, processar solicitações de pacientes enviando notificações quando receberem resultados de testes, registrar chamadas e salvar informações de acordo.

Previsão de surtos de doenças infecciosas

No final de dezembro de 2021, a plataforma BlueDot previu o surto de coronavírus na China . A inteligência artificial BlueDot, tendo estudado notícias em 65 idiomas, conversas de pessoas em redes sociais e relatórios sobre a doença, relatou um surto de uma nova infecção semelhante à gripe uma semana antes do que a Organização Mundial da Saúde (OMS). E este não é o primeiro caso desse tipo. Anteriormente, a BlueDot havia previsto um surto de vírus Zika na Flórida em 2016, seis meses antes de acontecer. Ainda antes, o BlueDot previu o surto de Ebola em 2014 e sua disseminação para além da África.

Outra startup que mostrou sua capacidade de prever surtos de doenças infecciosas é a Metabiota. A plataforma ajudou a impedir a propagação do Ebola em Serra Leoa, de acordo com o TechCrunch.

The HealthMap neural network managed to catch CoVID-19 when Wuhan doctors first started discussing the strange disease on the ProMED-mail site. Any Internet user can use that site's data.

A rede neural HealthMap foi capaz de detectar o CoVID-19 quando os médicos em Wuhan estavam apenas começando a discutir a estranha doença no site ProMED-mail. Qualquer usuário da Internet pode usar os dados deste site. Fonte

Criação de medicamentos e novos tratamentos

Em 2015, durante o surto de Ebola na África Ocidental, a empresa farmacêutica americana Atomwise, usando o poder da inteligência artificial, fez uma parceria com a IBM para rastrear compostos que podem se ligar a uma glicoproteína que impede que o Ebola entre nas células do corpo. Essa análise foi realizada pela rede neural Atomwise em menos de um dia, embora esse processo geralmente leve meses e até anos.

Esta foi a primeira vez que a IA acelerou tanto o processo de desenvolvimento de medicamentos. Em mais 5 anos, os EUA aprovarão o primeiro medicamento, quase inteiramente criado pela IA, o medicamento DSP-1181 para o tratamento do transtorno obsessivo-compulsivo. Esse medicamento foi criado pela Exscientia e, segundo sua administração, levou apenas 12 meses.

Mas este período não é o limite. A Insilico Medicin afirma que sua IA, GENTRL, é capaz de criar novos medicamentos contra certas patologias em apenas 3 semanas. Levará cerca de mais 25 dias para escolher a melhor opção e testá-la. Assim, leva apenas 46 dias para criar drogas usando GENTRL.

No entanto, o projeto mais ambicioso nessa direção é o Deep Genomics. Esta empresa está desenvolvendo uma IA chamada Projeto Saturno para descobrir novos métodos para eliminar os efeitos de mutações genéticas. A Deep Genomics já avaliou 69 bilhões de moléculas de oligonucleotídeos versus 1 milhão de alvos in silico para criar uma biblioteca de 1.000 compostos que são validados experimentalmente para manipular a biologia celular conforme pretendido.

Medicina personalizada

Outra área de uso intensivo de recursos na área da saúde onde as redes neurais artificiais podem ser úteis é a medicina personalizada. O fato é que cada caso de tratamento é único, pois cada pessoa possui uma imunidade, histórico médico e estado de saúde atual. E tudo isso deve ser levado em consideração para a máxima eficácia do tratamento. Mas o médico, em primeiro lugar, nem sempre consegue ver todas as nuances na condição do paciente e, em segundo lugar, o médico não tem a competência necessária para tomar uma decisão abrangente sobre a construção do plano de tratamento mais eficaz, levando em consideração todas essas nuances - para isso você precisa ter o conhecimento mais profundo em todas as áreas da medicina, o que é irreal.

Mas está sob o poder da inteligência artificial. Ele é capaz de estudar e analisar grandes quantidades de dados e tomar uma decisão que levará em conta todos os dados disponíveis sobre a condição do paciente e suas opções de tratamento. Até agora, não há muitos projetos desse tipo (eles são muito complexos e exigem grandes quantidades de dados médicos de alta qualidade). Mas os primeiros sucessos nessa direção já estão lá: AI Merative da IBM (anteriormente chamada de Watson Oncology) é projetada especificamente para resolver esses problemas.

Combate à fraude

Outro grande problema na área da saúde é a fraude. Medicamentos falsificados, fraude de seguros e serviços médicos de qualidade inferior, ilegais e deliberadamente ineficazes são tão prejudiciais para a indústria quanto pesquisas clínicas falsas e de baixa qualidade. Somente nos Estados Unidos, de acordo com estimativas conservadoras , a fraude na saúde custa ao país cerca de US$ 68 bilhões por ano, o que representa 3% dos gastos do país inteiro com saúde.

A inteligência artificial baseada em redes neurais também pode lidar com esse problema. Por exemplo, a empresa médica Aetna tem cerca de 350 modelos de redes neurais para segurança e proteção contra fraudes. A Highmark Inc também tem seu próprio NN antifraude e, de acordo com a empresa, seu produto de rede neural já ajudou a empresa a economizar US$ 245 milhões .

Modificação de comportamento

Com que frequência você deixou de tomar seus medicamentos, esqueceu ou ignorou o check-up do seu médico? Pesquisas mostram que este é um problema muito comum e os médicos têm pouco ou nenhum controle sobre ele. Além disso, instruções e críticas ao comportamento dos pacientes por parte dos médicos apenas agravam o problema, pois os pacientes ficam constrangidos com suas doenças e simplesmente param de ir ao hospital.

Mas vários gadgets e aplicativos que corrigem o comportamento das pessoas podem ajudar nisso. O exemplo mais óbvio são as pulseiras fitness e smartwatches que ajudam a definir metas (por exemplo, caminhar 4 quilômetros por dia) e acompanhar sua conquista, além de lembrar exames preventivos e a necessidade de atividade física. Aplicativos mais sofisticados, como o Somatix, rastreiam as atividades diárias de um paciente e apontam para seus hábitos e rotinas para que eles possam se concentrar em se livrar deles e na cura.

Somatix integrates easily with smart gadgets that track patient activity to adjust the patient's behavior.

O Somatix integra-se facilmente a dispositivos inteligentes que rastreiam a atividade do paciente para corrigir o comportamento do paciente. Fonte.

Além disso, não se esqueça de vários aplicativos para eliminar os maus e criar bons hábitos. Eles criam o “controle externo” que o paciente precisa, que muitas vezes é um motivador mais eficaz do que o conselho de médicos, pedidos ou mesmo ameaças de parentes. Ao mesmo tempo, tais aplicativos são especialmente eficazes se usarem elementos de gamificação - o uso de práticas de jogo (prêmios, conquistas, recompensas, níveis, crescimento de contas) em um contexto não-jogo.

Coleta e análise de dados

Por último, mas não menos importante em nossa lista, está a coleta e análise de dados médicos de alta qualidade. E esta não é apenas a coleta do histórico do paciente, mas também vários dados relacionados, começando com onde o paciente trabalha e com que frequência ele vai à academia e terminando com quais filmes ele assiste e quais alimentos ele come - idealmente, tudo isso deveria também devem ser levados em consideração na construção do plano de tratamento.

O problema é que coletar esses dados é muito difícil e caro. As pessoas não querem denunciar todas as compras, corridas ou filmes de terror que assistem. Mas isso pode ser feito por plataformas baseadas em inteligência artificial. Se essa solução for integrada a um smartphone, relógio inteligente, geladeira, banco on-line e outras fontes, a inteligência artificial coletará essas estatísticas para cada paciente de forma automática e confidencial.

Há muitos exemplos de tais soluções. Por exemplo, um gadget da Current Health com inteligência artificial para monitoramento médico da condição de uma pessoa. Este dispositivo vestível foi um dos primeiros a receber a aprovação da Food and Drug Administration (FDA) dos EUA para uso doméstico. O gadget pode medir frequência cardíaca, respiração, saturação de oxigênio, temperatura e mobilidade dos pacientes para fornecer esses dados ao médico, que fará recomendações ao paciente.

Current Health allows healthcare organizations to personalize and scale the way they provide home health care with a single, flexible solution

O Current Health permite que as organizações de saúde personalizem e dimensionem a maneira como prestam assistência médica em casa com uma solução única e flexível. Fonte.

Um exemplo mais popular é o Apple Watch, que, além dos recursos do Current Health, também pode fazer eletrocardiogramas (ECGs) e enviar mensagens para o hospital, parentes ou amigos mais próximos se o relógio detectar uma queda ou uma frequência cardíaca irregular - esses recursos salvaram a vida de mais de uma pessoa.

Feedback de nossos clientes

Desenvolvimento de um ecossistema complexo baseado na tecnologia blockchain

Você tem perguntas?

Seu nome *
Seu email *
Seu número de telefone
Mensagem
 

Você tem perguntas? Você pode nos escrever.

Telegram

Desde 2015, ajudamos a trazer sua ideia para o produto de qualidade.

Assine a nossa newsletter