Uso de inteligência artificial acelera processos e diagnósticos na saúde

A Inteligência Artificial (ou simplesmente IA) tem sido celebrada na área da Saúde pela sua alta capacidade de analisar dados e auxiliar no diagnóstico de doenças e na recomendação de tratamentos.  Ela movimentou US$ 4,49 bilhões em 2020 no mundo, segundo dados da Mordor Intelligence.

No Brasil, o mercado é ainda modesto, mas acelerado. A IDC calcula os investimentos em tecnologia em US$ 464 milhões neste ano, considerando todos os setores, 30% mais que em 2020. Os destaques são agentes de atendimento automatizado (robôs conversacionais), assistentes digitais dentro de aplicações (RPA, em inglês) e inserção de IA em softwares prontos, como os de gestão (ERP).

A expertise das instituições chega à área pública com projeto de processamento de grandes bases de dados (big data) e inovação para o Ministério da Saúde, dentro do Programa de Apoio ao Desenvolvimento Institucional do SUS (Proadi-SUS). Com o respaldo dos hospitais Oswaldo Cruz, HCor, Beneficência Portuguesa, Moinhos de Vento e Sírio-Libanês, o projeto prevê integração de sistemas de acesso em escala nacional ao Datasus.

O Hospital das Clínicas (SP) usa inteligência artificial para apoio médico, como análise de mamografias e de exames pulmonares nesse caso, a instituição ajuda mais de 60 hospitais na identificação de covid-19 a distância. A tecnologia também é utilizada em alertas de pacientes em UTI e indicação de protocolos de tratamento, como oncológicos.

No Sírio-Libanês, iniciativa semelhante tem apoio da Intersystems, cujo sistema permite criar conectores (APIs) para que os softwares, inclusive de IA, empreguem dados reunidos.

Já o InCor, em São Paulo, recebeu US$ 800 mil da Intel para tornar anônimas informações pessoais de forma a compartilhar exames de imagem e atuar via telemedicina com pacientes recuperados de covid – para identificar, tratar e pesquisar causas de sequelas. Agora, a instituição quer criar um modelo de navegação sobre radiologias para colocação de stent (procedimento para desobstrução de artérias).

Gigantes tecnológicas miram o setor de saúde. A HPE desenvolveu inteligência de enxame (“swarm learning”) para algoritmos de IA compartilharem aprendizados sobre detecção de leucemia, tuberculose e covid, com resultados publicados na revista científica “Nature”. Parceria da Universidade de Oxford com a Oracle usará aprendizado de máquina em nuvem no Sistema de Análise Global de Patógenos (GPAS) para identificar, por exemplos, difusão de cepas de covid.

A pioneira no ramo é a IBM, que lançou o Watson Health há quase dez anos e cuja plataforma de visualização e compartilhamento de exames de imagens via internet, Connect Access, já visa impressão 3D de modelos baseados nas imagens. A empresa é parceira da Fapesp no Centro de Inteligência Artificial sediado na USP, com pesquisas como melhoria de diagnóstico, tratamento e reabilitação de pacientes de AVC com análises complexas de dados e protocolos. Outra iniciativa em processamento de linguagem natural é a detecção precoce de insulficiência respiratória por áudio, com 91% de acerto em casos de covid, conta o coordenador Marcelo Finger.

Em maio, Fapesp, Ministério da Ciência, Tecnologia e Informação (MCTI) e comitê gestor da internet (CGI.br) criaram seis centros de pesquisa aplicada em IA, com investimento anual de R$ 1 milhão, com complementação da iniciativa privada por até dez anos. Deles, Universidade de São Paulo-São Carlos, Universidade

Federal de Minas Gerais (UFMG), Universidade de Campinas (Unicamp) e Universidade Federal do Ceará (UFC) têm estudos voltados à saúde.

Na United Health, a inteligência artificial beneficia pacientes da Amil. O aprendizado de máquina avalia fatores de risco individuais e dados populacionais e alia gestão clínica à análise de risco preditivo de readmissão ou longa permanência. Outra ferramenta ajuda na logística e planejamento.

Mas a IA não é restrita às grandes instituições. Na rede dr.consulta, a plataforma skalAI calcula a demanda de pacientes em 35 centros médicos e 60 especialidades e envia alertas para médicos com base em performance. Os, RPAs (automação de processos robóticos) reduziram o tempo de contratação de médicos de quatro para uma semana e automatizaram pagamentos e conciliação contábil, entre outros casos.

O potencial atrai startups. A Laura criou um robô alimentado por diferentes softwares das instituições de saúde para monitoramento e prevenção de piora dos casos. Hoje a assistente digital chega até o relacionamento com o paciente.

A Hilab emprega IA para acelerar diagnósticos de exames laboratoriais por internet com o sistema C4i0, “treinado” com exames laudados. A startup tem 13 projetos com o Butantan, como a plataforma Tainá, para compilar resultados dos exames de covid realizados pelo instituto.

A Fligoo, especialista em IA sediada em São Francisco (EUA) que chegou ao Brasil um ano atrás, tem projeto em negociação na área da saúde por aqui e exemplos americanos. Entre eles, a adaptação de motores de busca com uma espécie de “dicionário” de sinônimos, para pesquisa de medicamentos na plataforma de uma operadora de saúde, e a construção de um novo site para pacientes para outra do mesmo ramo.

A Kunumi, especializada em aprendizado de máquina, criou a plataforma Aida, para prever desfechos em pacientes de UTI, e tem projetos para previsão de saúde fetal, diagnóstico precoce de Alzheimer por ressonância magnética e marcadores no sangue, melhor diagnóstico de dor crônica e identificação de vírus – como o coronavírus – em hemogramas, em parceria com o Fleury.

O Fleury ajudou no desenvolvimento do algoritmo Petri, da Kunumi, que recebeu dados de quase 400 mil exames de pacientes com e sem covid. O resultado é de acurácia acima de 90%. Em análise de imagens, emite alertas a médicos com indicação de prioridade de casos em condições clínicas mais graves e, além do perfil genético Oncofoco e do projeto Radivid, ganhou mais rapidez e escala em laudos baseados em mutações somáticas e painéis hereditários de mutações celulares.

A Dasa construiu seu “data lake” em 2018 e criou modelos matemáticos capazes de analisar dados e aprender com seus próprios erros. Um dos primeiros resultados foi prever o não comparecimento de pacientes para os procedimentos, com acurácia de 85% e melhor aproveitamento da agenda.

*com informações Valor Econômico