Estudo internacional valida uso de Inteligência Artificial para predição de complicações da Covid-19 em pacientes hospitalizados

Imagine a possibilidade de prever, com 24 horas de antecedência, se um paciente internado com Covid-19 vai ter uma piora em seu quadro clínico e precisará ser intubado. Ou, então, se este mesmo paciente irá apresentar melhora no dia seguinte e poderá receber alta. Parece impossível em meio a uma pandemia de um vírus que apresenta variantes perigosas e atinge os pacientes de maneiras distintas, não é mesmo?

Porém, um artigo publicado na Nature Medicine – uma das maiores publicações científicas do mundo –, 15/9, de autoria de cientistas de vários países liderados pelo Mass General Brigham e NVIDIA – entre eles dois especialistas em Inteligência Artificial (IA) da Dasa, a maior rede integrada de saúde do Brasil –, mostra como um modelo de IA robusto e altamente generalizável pode auxiliar na triagem de pacientes com Covid-19 e melhorar a administração de recursos e os cuidados com as pessoas internadas nos hospitais.

No estudo, Felipe Kitamura, Head de Inovação em Operações Diagnósticas da Dasa, e Gustavo Corradi, médico especialista em IA na Dasa, mostram que a utilização de algoritmos por meio da técnica de Federated Learning – Aprendizado Descentralizado ou Colaborativo, numa tradução livre – pode prever casos de infecção pelo novo coronavírus que podem se agravar ou não, possibilitando aos médicos tomadas de decisões informadas em dados, mais assertivas e rápidas.

Como um algoritmo prevê a evolução da infecção pelo vírus?

Os algoritmos, instalados na rede do hospital onde os pacientes com Covid-19 estão internados, aprendem com dados monitorados e coletados não só dos seus pacientes, mas também de outras instituições que possuem o mesmo sistema, sem que os dados saiam das Instituições “mães”.

“Esse modelo é diferente dos algoritmos atuais, que estimam apenas o risco de morte. Saber que um paciente tem maior risco de morte não é uma informação acionável”, explica Kitamura. Corradi complementa: “Se você consegue prever que em 24 horas um paciente vai precisar ser intubado, você não manda para casa. Enquanto isso, você consegue dar alta hospitalar para outas pessoas porque sabe que não haverá necessidade de intubação. Ou seja, os algoritmos facilitam as decisões dos médicos”.

A pontuação de risco gerada pelos algoritmos, de acordo com os pesquisadores, permite ainda prever a necessidade de oxigênio e pode ser usado antes mesmo de ter PCR positivo, como em casos de pacientes sintomáticos sendo atendidos no Pronto-Socorro, já que a decisão do médico de internar ou não está relacionada com os recursos que o hospital detém para o atendimento.

“Como os dados usados para ensinar a IA são muito diversos em toda a sua natureza, desde a amostra da população até as informações sobre o vírus, o aprendizado federado permite que os algoritmos aprendam melhor, tornando-os cada vez mais acurados”, esclarece Kitamura.

Privacidade e segurança dos dados

Este é um dos maiores estudos com uso de Federated Learning do mundo até o momento, com mais de 16 mil casos de coronavírus mapeados e 20 instituições internacionais de quatro continentes diferentes envolvidas. Segundo Kitamura, o sistema é altamente seguro e a privacidade dos dados dos pacientes é garantida. “A criação do modelo é importante, mas ainda está no âmbito de pesquisa e, para ser implementado, passará por etapas regulatórias. De toda forma, o estudo mostrou a viabilidade do Federated Learning para produzir rapidamente um modelo robusto, preciso e generalizável, sem tráfego de dados de pacientes entre as instituições”, ressalta Kitamura.

“Na NVIDIA, acreditamos que o aprendizado federado pode acelerar a adoção de soluções baseadas em IA na medicina, criando modelos em setores onde os dados são limitados”, disse a Dra. Mona G. Flores, chefe global de IA médica da NVIDIA.

O Massachusetts General Hospital, dos EUA, participante do estudo, planeja validar essa IA em produção e buscar a aprovação dos órgãos competentes em breve.

O aprendizado federado permite que pesquisadores de todo o mundo colaborem e o modelo EXAM está publicamente disponível para uso em pesquisa por meio do NVIDIA NGC Software Hub.

Acesse o estudo completo: https://www.nature.com/articles/s41591-021-01506-3

Entenda o que é Federated Learning

O Federated Learning – Aprendizado Federado, Descentralizado, Colaborativo ou, simplesmente, FL – é uma técnica de aprendizado de máquina – Machine Learning, em inglês – que treina um algoritmo em vários dispositivos descentralizados ou servidores que mantêm amostras de dados locais, sem transitá-las para outras instituições. Essa abordagem contrasta com as técnicas tradicionais de aprendizado de máquina centralizado, em que todos os conjuntos de dados locais são carregados em um servidor, bem como com as abordagens descentralizadas mais clássicas, que geralmente assumem que as amostras de dados locais são distribuídas de forma idêntica. O FL permite que vários atores construam um modelo comum e robusto de aprendizado de máquina sem compartilhar dados, permitindo, assim, abordar questões críticas como privacidade de dados, segurança de dados, direitos de acesso a dados e acesso a dados heterogêneos. Suas aplicações estão espalhadas por uma série de indústrias, incluindo defesa, telecomunicações, internet das coisas e farmacêutica.

Sobre a Dasa

A Dasa é a maior rede de saúde integrada do Brasil. Faz parte da vida de mais de 20 milhões de pessoas por ano, com alta tecnologia, experiência intuitiva e atitude à frente do tempo. Com mais de 40 mil colaboradores e 250 mil médicos parceiros, existe para ser a saúde que as pessoas desejam e que o mundo precisa, estando presente em cada etapa de cuidado.

Acredita que para cuidar sempre é preciso cuidar por inteiro. Por isso, olha para a gestão da saúde de um jeito preventivo, preditivo e personalizado. Integra medicina diagnóstica, hospitais, genômica, oncologia, coordenação de cuidado, pronto atendimento, telemedicina, pesquisa clínica e ciência. Ao todo, conta com 16 hospitais referências (considerando rede própria, crescimentos inorgânicos e os deals que ainda estão sob aprovação dos órgãos reguladores), e mais de 59 marcas entre medicina diagnóstica e hospitais, distribuídas em mais de 900 unidades no Brasil.

A Dasa garante uma navegação ágil, descomplicada e sem atritos na jornada da saúde, tanto para pacientes quanto para médicos, por meio da sua plataforma de gestão, o Nav. Além disso, oferece soluções integradas e inovadoras de saúde corporativa, por meio do Dasa Empresas.

Somos Dasa e somos para toda a vida. Para mais informações, acesse: www.dasa.com.br.

Sobre a NVIDIA

Com a invenção da GPU pela NVIDIA (NASDAQ: NVDA), em 1999, redefinimos os gráficos de computadores modernos e revolucionamos a computação paralela. Mais recentemente, o deep learning com base em GPU deu início à inteligência artificial moderna — a próxima era da computação — com a GPU atuando como o cérebro dos computadores, robôs e carros autônomos que podem perceber e compreender o mundo.