Sumário:
- Introdução
- A IA na Saúde
- Assistentes Virtuais para Pacientes e Profissionais de Saúde
- Chatbots com IA
- Cirurgia Assistida por Robô
- Diagnóstico Automatizado por Imagem
- Oncologia – Detectando Câncer de Pele com IA
- IA em Patologia
- Detecção de Doenças Raras
- Cybersecurity na Saúde
- Monitoramento de Saúde com “Wearables”
- “Clinical Workflow” na Saúde
- Desenvolvimento de Novos Medicamentos
- Medicina Preditiva
- O uso de IA para a Gestão da Saúde nos Governos
- Medicina de Precisão
- O Impacto da Covid-19 na Saúde
1.
Introdução
Quando muitos de nós ouvimos o termo IA, imaginamos robôs fazendo nosso trabalho, tornando as pessoas obsoletas. E, como os computadores controlados por IA são programados para tomar decisões com pouca intervenção humana, alguns se perguntam se as máquinas tomarão em breve as decisões complexas que atualmente confiamos aos médicos.
Em vez de robótica, a IA na saúde refere-se principalmente a médicos e hospitais que acessam vastos conjuntos de dados de informações potencialmente “salvadoras de vidas”. Isso inclui métodos de tratamento e seus resultados, taxas de sobrevivência e velocidade de atendimento reunidos em milhões de pacientes, localizações geográficas e inúmeras condições de saúde, às vezes interconectadas. O novo poder computacional atualmente disponível em plataformas complexas (como p. ex. as da Nvidia com suas múltiplas GPUs [1-2]) pode detectar e analisar grandes e pequenas tendências a partir dos dados e até fazer predições usando a técnica de Aprendizagem de Máquina (“Machine Learning” [3 e 3.1]) projetada para identificar possíveis resultados de saúde.
A Aprendizagem de Máquina usa procedimentos estatísticos para dar aos sistemas de computadores a capacidade de “aprender” com os dados coletados, identificar padrões e tomar decisões com o mínimo de orientação humana.
Uma outra categoria de algoritmos da IA muito usada na saúde é a de Aprendizado Profundo (ou Deep Learning [4-5]). Estes algoritmos são muito importantes no processamento de imagens médicas (p. ex., mamografia, raios X pulmonar, tomografia computadorizada, entre outras). Na literatura matemática, muitas o Aprendizado Profundo é considerado um subconjunto da Aprendizagem de Máquina. Para maiores detalhes de como o Deep Learning é usado na medicina ver referências aqui [6].
Utilizando essas análises (e outras) direcionadas, os médicos e profissionais de saúde podem ser mais capazes de avaliar riscos, fazer diagnósticos corretos e oferecer aos pacientes tratamentos mais eficazes.
A IA tem interessado a vários segmentos de indústria [7-8] mas a área de Saúde tem criado uma grande motivação no uso dessa tecnologia [9]. Na nossa percepção, acreditamos que o uso da IA na Saúde decorre da existência nesta área de um grande volume de dados (muitos deles não-estruturados) e, também, da existência de um grande volume de imagens onde podem ser buscados diagnósticos precisos e, principalmente, automáticos através dos algoritmos da IA. Na Saúde, a IA agora pode revelar padrões em grandes quantidades de dados existentes que são sutis ou complexos demais para serem detectados pelos humanos. Isso é feito agregando informações de várias fontes que permanecem armazenadas em diferentes repositórios, incluindo dispositivos domésticos conectados, registros médicos e, cada vez mais, dados não médicos [10-11].
Na área de Saúde, a IA tem despertado um grande interesse em várias áreas e, notadamente, na automação de processos e na redução dos custos operacionais.
Segundo a Accenture [12], o negócio da IA na saúde terá um tamanho de 150,0 BUS$ em vendas anuais até 2026 onde os 03 maiores nichos são: (1) Robôs Cirúrgicos (total de 40,0 BUS$ até 2026); (2) Assistentes Virtuais (com 20,0 BUS$); e (3) Assistentes de Workflow Administrativo (com 18,0 BUS$). Para registrar uma área da IA muito badalada na saúde no Brasil que é o Diagnóstico por Imagem ocupa a 9ª posição com um valor de apenas 3,0 BUS$ em 2026 (sic!). Na área de Assistente de Workflow destacamos a referência [13] do Saúde Business.
Com a chegada da pandemia da Covid-19 teremos uma completa transformação na saúde … a medicina nunca mais será a mesma [14] e a IA transformará a saúde e trará muito mais oportunidades de negócios [15-17]. Depois da Covid a transformação da IA na saúde será GIGANTE [18-19].
Veja aqui uma amostra de como a IA será usada nos consultórios médicos [20].
E finalizando esta seção temos aqui alguns exemplos de aplicações de IA na área da saúde [21] e um vídeo muito interessante sobre o uso da IA na saúde do VP do Google Jeff Dean [22].
2.
A IA na Saúde
A seguir apresentamos as áreas da saúde com maior impacto da tecnologia de IA, a saber:
2.1.
Assistentes Virtuais para Pacientes e Profissionais de Saúde
O principal fator para a adoção de Assistentes Virtuais de enfermagem tem sido a escassez de mão de obra médica, que muitas vezes traz a pressão sobre os profissionais de saúde disponíveis. Um Assistente Virtual desenvolvido pela IA pode melhorar a comunicação entre o paciente e o prestador de serviços de saúde, levando a uma melhor experiência do consumidor e redução do desgaste do médico. Com uma tecnologia de reconhecimento de voz, biometria de voz, integrações com Prontuário Eletrônico do Paciente (PEP) e um alto-falante personalizado para assistência médica, a Nuance Communication apresentou um Assistente Virtual artificial em setembro de 2017 [23].
Para mostrar a importância da Nuance no cenário de tecnologia de voz, ela acabou a ser adquirida pela Microsoft pela “bagatela” de 19,7 BUS$ que quer usá-la para penetrar nos negócios de saúde [24].
Quando os médicos parecem estar demorando no atendimento dos seus pacientes, estes últimos acabam se sentindo cuidados e carregam uma sensação de satisfação. Um Assistente Virtual pode realizar o diálogo inicial entre o paciente e o profissional de saúde, definindo o tom para conversas mais aprofundadas posteriormente. Ao fazer isso, um Assistente Virtual para cuidados de saúde pode tirar algumas responsabilidades dos médicos, permitindo então que eles se concentrem em oferecer melhores serviços.
2.2.
Chatbots com IA
Os Chatbots Alimentados por IA (“AI-Powered Chabots”) ou Chabots Inteligentes podem fazer uma grande diferença no setor de saúde. Um relatório do analista de indústria Juniper Research afirma que os chatbots serão responsáveis por economizar 8,0 BUS$ por ano em custos até 2022 para o varejo, o comércio eletrônico, os bancos e a assistência médica. À medida que os tempos de resolução das consultas são reduzidos e a comunicação inicial é automatizada, o setor de saúde pode ter uma enorme economia de custos com o uso de chatbots.
Os bots com IA podem ajudar aos médicos no diagnóstico de assistência médica através de uma série de perguntas em que os usuários selecionam suas respostas a partir de um conjunto predefinido de opções e, em seguida, recomendam um curso de uma ação. A mesma pesquisa também prevê que o sucesso das interações de chatbots, onde não ocorrem intervenções humanas, aumentará para 75% em 2022, ante 12% em 2017.
Os sistemas de gerenciamento de conhecimento se tornarão uma parte crítica dos Chatbots Inteligentes, onde as perguntas e respostas comuns serão acumuladas ao longo da vida de uma solução, auxiliando no processo de aprendizado do chatbot. Veja mais sobre como a IA conversacional afetará a assistência médica aqui nesta matéria [25].
A evolução dos serviços de chatbos na saúde será gigante e trará grandes surpresas positivas e também na redução de custos e muita inovação.
Um caso de sucesso de Chatbot Inteligente na saúde é o caso da Babylon Health na triagem de pacientes no atendimento emergência do famoso serviço de saúde britânico – o NHS [26]. O Babylon tem até uma versão recente para atendimento na pandemia de Covid-19 [27].
Veja aqui alguns exemplos de chatbots na área de saúde [28].
2.3.
Cirurgia Assistida por Robô
Os procedimentos microcirúrgicos na saúde exigem precisão e exatidão. Os robôs equipados com IA estão assistindo aos médicos a ajudar a reduzir as variações que podem afetar a saúde e a recuperação do paciente a longo prazo. Os procedimentos auxiliados por robôs podem compensar as diferenças nas habilidades dos médicos em casos de cirurgias novas ou difíceis, que muitas vezes levam a implicações para a saúde do paciente ou para os custos do procedimento.
Os robôs são conhecidos por possuir habilidades que os humanos não têm. Com cirurgias assistidas por robô, os médicos podem eliminar qualquer risco de imprecisão ou anomalia no procedimento. À medida que a Aprendizagem de Máquina (“Machine Learning”) e a análise de dados atingem novos patamares na área da saúde, os robôs poderão descobrir “insights” críticos e as melhores práticas para qualquer cirurgia.
Ineficiências e resultados ruins serão substancialmente reduzidos, levando a melhores cuidados ao paciente e prestação de serviços de saúde. Com os robôs conduzindo ou auxiliando médicos em cirurgias, os custos de treinamento podem ser reduzidos e as tarefas rotineiras podem ser automatizadas com precisão.
Para conhecer mais sobre o uso de Robôs em Cirurgias ver as referências aqui [29].
2.4.
Diagnóstico Automatizado por Imagem
O diagnóstico de imagens médicas é outro caso do uso de IA no setor de saúde. Um dos problemas mais significativos que os médicos enfrentam é analisar o volume de informações disponíveis, graças aos Prontuários Eletrônicos dos Pacientes (PEPs). Esses dados também incluem dados de imagem, além de relatórios de procedimentos, relatórios de patologias, dados baixados, dados genômicos entre outros. No futuro, os pacientes enviarão ainda mais dados através de seus portais remotos, incluindo imagens do local da ferida para verificar se há necessidade de exame da pessoa após um período de cura.
Agora, essas imagens podem potencialmente ser digitalizadas e avaliadas por um sistema com IA. Os raios X são apenas uma peça do quebra-cabeça quando se trata de imagens médicas. Também temos ressonância magnética, tomografia computadorizada e ultrassonografia [30-32].
Atualmente apenas 30% dos radiologistas estão usando a tecnologia de IA nas suas práticas médicas [33].
2.5.
Oncologia – Detectando Câncer de Pele com IA
A IA na área de Saúde também fala sobre a técnica de Rede Neural conhecida como Aprendizado Profundo (“Deep Learning”). Os pesquisadores estão usando o Aprendizado Profundo para treinar máquinas para identificar tecidos cancerígenos com uma precisão comparável a um médico treinado. O Aprendizado Profundo detém um valor único na detecção de câncer, pois ele pode ajudar a obter maior precisão diagnóstica em comparação com os especialistas no tema.
Uma das aplicações atuais da aprendizagem profunda em saúde é a detecção de câncer a partir de dados de expressão dos genes, algo que pesquisadores da Oregon State University [34] puderam fazer com o Aprendizado Profundo. Esse caso de uso nos abre para um horizonte de longo alcance e impacto crítico da técnica de Aprendizado Profundo na indústria de oncologia atual e no futuro.
Um caso importante do uso de IA no tratamento do câncer de pele é o da Universidade de Stanford que foi anunciado em 2017 [35 e 36].
Recentemente, o MIT anunciou uma ferramenta de IA que pode ajudar a detectar o melanoma.
Usando redes neurais convolucionais profundas (Deep Learning), os pesquisadores desenvolvem um sistema que analisa rapidamente imagens de campo amplo da pele dos pacientes para detectar o câncer de forma mais eficiente.
Usando imagens de campo amplo e aprendizado profundo, os pesquisadores desenvolveram um sistema de análise de lesões de pele pigmentadas suspeitas para uma detecção mais eficaz e eficiente do câncer de pele.
O melanoma é um tipo de tumor maligno responsável por mais de 70% de todas as mortes relacionadas ao câncer de pele em todo o mundo. Durante anos, os médicos confiaram na inspeção visual para identificar lesões pigmentadas suspeitas (SPLs), que podem ser uma indicação de câncer de pele. Essa identificação em estágio inicial de SPLs em ambientes de cuidados primários pode melhorar o prognóstico do melanoma e reduzir significativamente o custo do tratamento.
Para conhecer mais sobre o trabalho do MIT usando a IA para identificar o melanoma ver a referência [37].
2.6.
IA em Patologia
A patologia se preocupa com o diagnóstico de doenças com base na análise de fluidos corporais, como sangue e urina. A Aprendizagem de Máquina (“Machine Learning”) na área da saúde pode ajudar a aprimorar os esforços em patologia, tradicionalmente deixados para os patologistas, pois eles costumam avaliar várias imagens para alcançar um diagnóstico depois de encontrar qualquer vestígio de anormalidade. Com a ajuda de algoritmos de Aprendizado de Máquina e de Aprendizado Profundo (“Deep Learning”), os esforços dos patologistas podem ser simplificados e a precisão na tomada de decisões pode ser aprimorada.
Embora esses algoritmos e soluções baseadas em IA possam ajudar aos médicos patologistas, precisamos esclarecer que a IA não substitui os médicos. As redes de Aprendizado Profundo só podem se tornar tão eficientes quando obtêm experiência e aprendizado durante um período de treinamento prévio e de uso no dia a dia, assim como os médicos.
O uso da IA em assistência médica, especificamente em patologia, pode ajudar a substituir a necessidade de amostras físicas de tecidos, aprimorando as ferramentas de radiologia disponíveis – tornando-as mais precisas e detalhadas [38 e 39].
2.7.
Detecção de Doenças Raras
As doenças raras representam diversos desafios para a IA. Embora a detecção delas seja um desafio de fato, também precisamos garantir que nossos sistemas de saúde não estejam inclinados a detectar doenças raras quando o diagnóstico puder ser algo comum. Por meio de uma série de redes neurais (Deep Learning), a IA está auxiliando aos profissionais de saúde a alcançar esse equilíbrio. O software de Reconhecimento Facial é combinado com o Aprendizagem de Máquina (“Machine Learning”) para detectar padrões nas expressões faciais que nos apontam para a possibilidade de uma doença rara [40 e 41].
O Face2gene é um aplicativo de pesquisa e referência genética para médicos. Nesta solução, a IA varre os dados de imagem do rosto de um paciente e identifica sinais de distúrbios genéticos, como a Síndrome de Down [42].
Outra solução semelhante é o Moon desenvolvido pela Diploid [43], que permite o diagnóstico precoce de doenças raras por meio do software, permitindo que os médicos iniciem o tratamento precoce. A IA em assistência médica tem um significado especial na detecção de doenças raras mais cedo do que elas normalmente possam se transformar.
2.8.
Cybersecurity na Saúde
Erros e fraudes marcam o cenário do segmento de saúde. Portanto, uma das aplicações mais críticas da IA na área de saúde é garantir a segurança de dados e soluções pela natureza dos dados e informações dos pacientes. Tradicionalmente, a detecção de fraudes e violações baseava-se nas regras de execução e da revisão de sistemas manualmente. No entanto, como a IA está pronta para ajudar a detectar violações, estima-se que US $ 17 bilhões possam ser economizados anualmente, melhorando a velocidade da detecção de fraudes neste segmento.
A segurança cibernética tornou-se uma preocupação significativa para as organizações de saúde, ameaçando custar US $ 380 por registro de paciente. O uso da IA na saúde para monitorar e detectar anomalias de segurança pode criar confiança e lealdade como base para mais disrupções no setor de saúde [44 e 45].
Com a digitalização cada vez maior da saúde – principalmente depois da pandemia da Covid-19, a IA será muito importante nesse segmento [46 e 47].
O tema de Cibersegurança está transcendendo o segmento de saúde e tomando proporções de geopolítica mundial. O problema é sério e vai ficar muito sério!
Com o caso gigante de invasão nos EUA da empresa Solarwings em dezembro de 2020 está sendo considerado uma nova “Guerra Fria” (agora Cibernética) e terá um grande impacto também na saúde.
É difícil ter uma visão completa do que está acontecendo na NOVA guerra FRIA cibernética que está se formando nos últimos anos entre os EUA e a Rússia. É bastante claro que os hackers russos, presumivelmente a mando do governo russo, usaram plataformas de mídia social para manipular o sentimento popular nos EUA e semear o descontentamento (o famoso case Solarwings) [48]. Podemos apenas imaginar que os EUA estão tomando medidas semelhantes contra os interesses russos. O governo Biden está levando essa guerra fria aos olhos do público.
Washington acaba de sancionar uma firma de segurança cibernética chamada Positive Technologies (junto com outras cinco empresas) que afirma estar “hackeando” para o Kremlin [49].
Não espere qualquer solução para este conflito no futuro próximo. No entanto, o melhor ataque (e defesa) pode ser melhor educação e conscientização.
2.9.
Monitoramento de Saúde com “Wearables”
O monitoramento individual da saúde já é uma aplicação generalizada da IA na área da saúde. Rastreadores de saúde com “wearables” (tecnologia vestível), como os oferecidos pela Apple, Fitbit e Garmin, monitoram a atividade e os batimentos cardíacos. Esses dispositivos “wearables” estão em condições de enviar todos os dados para um sistema de IA, trazendo mais insights e informações sobre o requisito ideal de atividade de uma pessoa.
Esses sistemas podem detectar padrões de exercícios e enviar alertas quando alguém perde sua rotina de exercícios. As necessidades e hábitos de um paciente podem ser registrados e disponibilizados quando necessário, melhorando a experiência geral da saúde. Por exemplo, se um paciente precisar evitar exercícios cardíacos pesados, ele poderá ser notificado sobre o mesmo quando forem detectados altos níveis de atividade física.
O papel da IA na área da saúde não se limita a eles. À medida que as tendências surgem e os médicos procuram novas maneiras de melhorar os serviços e experiências de saúde para os pacientes, teremos novos conceitos se tornando realidade. Enquanto o espaço da área da saúde está repleto de inovações, levará um tempo até que esses sistemas possam se tornar acessíveis, escaláveis e disponíveis para todas as instituições de saúde.
No complexo mundo da saúde, a tecnologia de IA pode oferecer suporte a prestadores de serviços com diagnóstico mais rápido e análise de dados para identificar informações genéticas e predispor alguém a uma doença específica. Economizar segundos pode significar salvar vidas no espaço da saúde e, é por isso, que a IA e as técnicas de Aprendizagem de Máquina (“Machine Learning”) podem ser usadas para todos os pacientes.
A IA que trabalha em conjunto com médicos e profissionais de saúde provavelmente continuará seguindo o curso atual por um tempo e, eventualmente, chegará a um ponto em que será um empreendimento de rastreamento-caminhada-corrida com tarefas menos complexas sendo abordadas por chatbots médicos [50].
O uso de IA com a tecnologia wearable será muito importante para o segmento de saúde no futuro [51]. Os algoritmos da IA para processamento dos dados dos wearables terão um papel destacado na medicina preditiva e na medicina de precisão.
2.10.
“Clinical Workflow” na Saúde
Uma das áreas desafiadoras – e ainda pouco explorada – para o uso de IA na saúde é a de Fluxo de Trabalho Clínico (“Clinical Workflow”). Segundo a Accenture esse negócio será o terceiro maior da IA na saúde e valerá 18,0 BUS$ em 2026 [12].
Sem dúvida nenhuma, a IA trará grandes contribuições para esse nicho que compreende um trabalho enfadonho, mas muito útil nos processos de saúde. Entre outras tantas tarefas, pode-se utilizar a análise avançada de dados da IA para tentar prever, digamos, as chances de um paciente ter a alta do hospital hoje ou a probabilidade de alguém comparecer à uma consulta médica agendada.
O Hospital Beth Israel Deaconess Medical Center, por exemplo, está utilizando a IA para otimizar o tempo de uso do seu centro cirúrgico e também para predizer a falta em consultas médicas (“no-show”) [52].
A técnica de “machine learning” (Aprendizagem de Máquina) tem funcionado muito bem para esse tipo de refinamento de fluxo de trabalho clínico.
Uma grande oportunidade na saúde é utilizar a tecnologia de IA para reduzir o trabalho administrativo dos médicos e enfermeiros.
Hoje, os médicos gastam cerca de 50% do tempo digitando informações (estimativa dos EUA). Isto estimula a aposentadoria precoce de muitos médicos, e, também, uma alta frustração com o preenchimento dos prontuários eletrônicos dos pacientes (PEP) que são instrumentos muito importantes para a IA na saúde em função dos dados que eles contêm.
As tecnologias baseadas em “machine learning” serão também capazes de “ouvir” as conversas entre médicos e pacientes, preencher automaticamente a ficha digital do paciente e, em seguida, o médico a revisará e fará as correções necessárias. As tecnologias de conversão de “voz-para-texto” da IA serão muito importantes no cenário dos PEPs [53]. A gigante Amazon já sinalizou que tem um software de IA para gerar as informações dos PEPs a partir das conversas dos pacientes com os médicos [54].
Algumas empresas já estão trabalhando com produtos para agilizar o fluxo de trabalho clínico, a saber: (1) a gigante do mercado de tecnologia de voz, Nuance [55]; a startup Suki que possui um assistente virtual baseado em voz para médicos [56]; e a startup Qventus que tem um software de IA para o fluxo clínico de hospitais [57].
2.11.
Desenvolvimento de Novos Medicamentos
A tecnologia de IA também promete revolucionar o desenvolvimento de novos medicamentos. O modelo atual do desenvolvimento de novos medicamentos está “quebrado”.
No desenvolvimento de um novo medicamento gasta-se em torno 2,6 BUS$ [58] e ele dura 14 anos de ponta a ponta [59] de acordo com um estudo da Universidade de Tufts e a agência FDA americana. E somente, menos de 10% dos medicamentais potenciais são lançados no mercado segundo Jackie Hunter (a CEO da startup BenevolentAI).
O mercado farmacêutico está apostando na tecnologia de IA para fazer algo diferente no desenvolvimento de novos medicamentos reduzindo o orçamento e o prazo do desenvolvimento. Ver aqui este vídeo da startup Berg Health sobre uma das ideias de se utilizar IA para produzir novos medicamentos [60].
Doenças devastadoras como Alzheimer, Câncer e Parkinson são apenas algumas das morbidades que os cientistas estão lutando para curar com os novos medicamentos em face da subida dos custos da descoberta de novos medicamentos e dos tempos de testes.
Agora, a IA está mostrando (transformando) o potencial para ser usada como uma forma mais rápida e eficiente de descobrir e desenvolver novos medicamentos. Um número crescente de empresas e pesquisadores universitários estão enfrentando alguns dos problemas mais difíceis da medicina usando os algoritmos da IA para prever quais moléculas de drogas são mais prováveis de terem tratamentos eficazes.
“Esta é uma revolução na indústria farmacêutica”, disse Alex Zhavoronkov, CEO da startup Insilico Medicine, que utiliza a tecnologia de “Deep Learning” em uma arquitetura de GPU para combater ao câncer e doenças relacionadas com a idade.
E esse é apenas o começo! À medida que todas essas tecnologias se desenvolvem, novos tratamentos e diagnósticos melhorados irão poupar mais vidas e curar mais doenças. O futuro da medicina baseia-se em dados e análises.
O Brasil também está entrando na linha de utilizar a IA para desenvolver novos medicamentos. O Governo brasileiro que quer apoiar a IA na escolha de moléculas para desenvolver novos medicamentos para o Coronavírus através de chamadas do MCTIC e da FINEP [61].
O movimento de estimular o uso de IA no desenvolvimento de novos medicamentos no mundo começou por volta de 2016 [62].
Atualmente já temos 43 farmacêuticas envolvidas nesse processo. As pharmas – que tradicionalmente investem muito em inovação – perceberam a importância do uso na IA no desenvolvimento de novos medicamentos [63].
Recentemente, a IA esteve envolvida em anúncio importante nesse nicho pois foi utilizada pela primeira para desenvolvimento de um importante antibiótico [64 e 65].
O Governo americano já está estimulando o uso da IA no desenvolvimento de medicamentos e também se preocupando que as técnicas utilizadas sejam ensinadas nas universidades para os alunos de medicina [66].
Finalmente destacamos uma matéria abrangente sobre o desenvolvimento de novos medicamentos [67].
Para novas referências sobre esse importante tema ver [68 e 69].
2.12.
Medicina Preditiva
Seria interessante se os administradores de saúde e os governos tivessem uma ferramenta que pudesse prever o perfil clínico de um determinado paciente. Isso já é possível? Sim isso é possível com o uso da tecnologia de IA! Estamos falando da medicina preditiva [69.1].
Imagine o que uma ferramenta dessa poderia proporcionar aos governos sobre a saúde dos seu cidadãos, a saber: seria possível fazer uma predição do cenário de doenças crônicas para auxiliar no tratamento dos seus cidadãos (p. ex., diabetes tipo 2, insuficiência cardíaca congestiva (ICC), distúrbio agudo renal (AKI = Acute Kidney Injury), entre outras). Seria possível construir cenários de estratificação de risco [69.2] para doenças crônicas. Quanto de dinheiro não poderia se ganhar antecipando-se com ações corretivas através do uso de gradações “semafóricas” (verde, amarelo e vermelho) para atuar em diferentes graus de criticidade!
Os algoritmos de IA são talhados para implementar ações de medicina preditiva. É só arregaçar as “mangas” e fazer!
Nós temos coerentemente abordado este tema. Basta ver as 02 matérias no site do Saúde Business [70 e 71]. O trabalho delineado em [71] do CEIA [72] da UFG sobre Diabetes Tipo 2 recebeu um prêmio de destaque na LATAM da Johnson & Johnson [73].
Veja mais referências sobre medicina preditiva na saúde aqui [74].
2.13.
O uso de IA para a Gestão da Saúde nos Governos
Os governos em todo mundo já acordaram para o uso da IA no gerenciamento da saúde.
Em dezembro de 2015 inovamos ao sinalizar o uso da tecnologia de big data no gerenciamento da pandemia de Zika [75] aqui no Brasil e já considerando o uso da genômica. Imagine então se o SUS tivesse implantado a tecnologia de big data naquela época como ela estaria sendo MUITO ÚTIL atualmente no caso da pandemia da Covid … pobre Brasil com sua péssima visão estratégica!
Não tenha dúvida que a tecnologia de IA será muito importante na gestão da saúde pelos diferentes governos ao redor do mundo conforme apresentamos na matéria do Saúde Business aqui [76].
Para mais informações de como os governos no mundo estão usando a IA na gestão da saúde ver as referências em [77].
2.14.
Medicina de Precisão
O futuro da medicina vai passar pela medicina de precisão [78] (ou medicina personalizada). Em 2015 publicamos aqui no Saúde Business 02 matérias precursoras sobre o uso da medicina personalizada no tratamento do câncer [79 e 80].
De acordo com a Precision Medicine Initiative [81] da Casa Branca dos EUA, a medicina de precisão é “uma abordagem emergente para o tratamento e prevenção de doenças que leva em consideração a variabilidade individual nos genes, ambiente e estilo de vida de cada pessoa.” Essa abordagem permitirá que médicos e pesquisadores prevejam com mais precisão quais estratégias de tratamento e prevenção para uma doença específica funcionarão em quais grupos de pessoas. É o contraste com uma abordagem de formato único, em que o tratamento de doenças e estratégias de prevenção são desenvolvidas para a pessoa média, com menos consideração pelas diferenças entre os indivíduos.
Embora o termo “medicina de precisão” seja relativamente novo, o conceito faz parte da área de saúde há muitos anos. Por exemplo, uma pessoa que precisa de uma transfusão de sangue não recebe sangue de um doador selecionado aleatoriamente; em vez disso, o tipo de sangue do doador é igual ao do receptor para reduzir o risco de complicações. Embora exemplos possam ser encontrados em várias áreas da medicina, o papel da medicina de precisão no dia-a-dia da saúde é relativamente limitado. Os pesquisadores esperam que essa abordagem se expanda a muitas áreas da saúde e dos cuidados de saúde nos próximos anos.
A genômica [82] e o sequenciamento de DNA [83] são peças fundamentais da medicina de precisão e constituem elementos estratégicos nessa “nova” categoria da medicina. Para evoluir com a medicina de precisão cada vez mais vamos precisar da redução do preço o sequenciamento, no desenvolvimento de ferramentas que auxiliam na manipulação dos dados genômicos (aqui a IA tem um papel importante) e na capacitação dos médicos no entendimento dos dados genômicos. Na medicina de precisão vamos NECESSITAR de MÉDICOS que ENTENDAM GENÔMICA … “anote no seu caderninho”! Sobre o preço de um sequenciamento de DNA ele tem caído bastante e cada vez mais teremos novas reduções [83.1].
A chegada das tecnologias de sequenciamento NGS (Next-Generation System) [84] ou também chamado de Sequenciamento Massivo em Paralelo (do inglês, Massive ou Massively Parallel Sequencing) [85] no mercado mudou a forma como pensamos sobre abordagens científicas em pesquisa básica, aplicada e clínica e no diagnóstico genético, trazendo novas perspectivas para a medicina de precisão. Essas tecnologias permitem sequenciar o DNA de forma muito mais rápida e barata em comparação com o sequenciamento de Sanger, usado anteriormente, e revolucionaram o estudo da genômica e da biologia molecular.
Com o NGS pode-se sequenciar o genoma inteiro ou apenas áreas específicas de interesse, incluindo todos os aproximadamente 20.000 genes codificadores (sequenciamento do exoma completo, do inglês, Whole Exome Sequencing ou WES) [86] ou um pequeno número de genes individuais (sequenciamento de genes alvo, do inglês, Targeted Sequencing). Em qualquer uma dessas opções, o NGS consegue detectar mutações na sequência do DNA que podem ser pequenas trocas (substituições), inserções e deleções de nucleotídeos.
Ainda, o NGS é altamente eficiente no diagnóstico molecular de doenças genéticas e cânceres hereditários ou não hereditários causados por variantes germinativas, ou seja, alterações genéticas que foram herdadas e que, portanto, afetam todas as células de um indivíduo e variantes somáticas, isto é, mutações que ocorreram após o desenvolvimento, em algum momento da vida, e estão presentes em um ou mais tecidos específicos.
O sequenciamento do genoma completo (do inglês, Whole Genome Sequencing ou WGS) [87] é como o nome já diz, o sequenciamento de todo o material genético ou DNA de um indivíduo. Esse sequenciamento irá incluir o DNA codificante e não codificante.
O WGS resulta em um arquivo muito grande com uma infinidade de informações sobre o material genético que podem ter uma interpretação clínica ou não. Alterações na porção codificante do DNA, aproximadamente 2% dele, são mais passíveis de interpretação clínica, enquanto que alterações nos aproximadamente 98% do DNA ainda não possuem informações sobre suas possíveis consequências ao indivíduo.
Além disso, o WGS tem um custo maior tanto para seu processamento quanto para o armazenamento do resultado. Portanto, é mais indicado em estudos científicos visando estudar as consequências das alterações em regiões ainda não estudadas ou a busca pelas alterações que causam doenças ainda sem causa elucidada, por exemplo.
O WES é o sequenciamento da porção codificante do DNA, ou seja, de todas as sequências de DNA que codificam os aproximadamente 19.000 genes do genoma humano.
O termo exoma refere-se ao conjunto de éxons, que são as sequências do DNA que vão passar pelas etapas de transcrição e tradução até serem codificadas em proteínas. Alterações nos genes causam alterações nas proteínas e consequentemente são mais prováveis de causarem doenças. As mutações no exoma são responsáveis pela grande maioria das doenças genéticas.
Assim, o WES é um exame laboratorial eficiente e mais indicado para o diagnóstico clínico principalmente em casos em que existe hipótese diagnóstica de mais de uma doença específica, ou ainda, que não se tem hipótese diagnóstica específica.
O tamanho médio do resultado do sequenciamento do WGS e do WES são respectivamente 150 GBytes e 8 GBytes [88].
O líder mundial do mercado de sequenciamento de DNA é a empresa americana Illumina com 75% do “market share” [89].
A IA terá uma importância fundamental na manipulação dos dados genômicos na medicina de precisão [90].
Os avanços na aprendizagem de máquina e IA estão alimentando uma era de descobertas em biologia, farmácia e medicina.
O significado disso é que, pela primeira vez, estamos vendo mecanismos subjacentes por trás da biologia que não estavam acessíveis para nós antes – e usando o conhecimento crescente para encontrar novos medicamentos, novas maneiras de alimentar o mundo e resolver as mudanças climáticas.
A biologia e a IA serão de grande importância na medicina de precisão e vão permitir a modelagem de biomarcadores para as doenças complexas [91].
O famoso VC Andreessen & Horowitz vaticinou que a “biologia engole o mundo” (“biology eats world”) [91.1].
As grandes organizações de saúde do mundo ainda não se engajaram de forma ampla na medicina de precisão. Destacamos aqui o caso da Icahn School of Medicine do Hospital Mount Sinai que anunciou seus planos de medicina de precisão em 2019 [92].
O uso da IA no diagnóstico de câncer será brutal nos próximos anos. Ver aqui um caso recente de um câncer bem comum que é o do colorretal [92.1]. Ver mais detalhes sobre o uso da IA no diagnóstico do câncer aqui [92.2].
Esse processo de engajamento em medicina de precisão vai incorporar grandes instituições de saúde mundiais nos próximos anos.
Finalmente, o desenvolvimento de novos medicamentos usando o DNA está agregando grandes farmacêuticas pelo mundo afora [93].
3.
O Impacto da Covid-19 na Saúde
A pandemia da Covid-19 vai possibilitar uma grande – e nova – transformação digital na saúde.
Os sistemas de saúde em TODO O MUNDO estão recebendo uma chamada de “despertar” da IA!
A IA está ajudando fortemente a diagnosticar, tratar e conter a disseminação da Covid-19 e, como consequência, diversas oportunidades de IA estão surgindo no segmento da saúde.
O argumento comercial para o uso da Inteligência Artificial (IA) na área da saúde era forte mesmo antes do surto do coronavírus levar os hospitais ao ponto de ruptura e colocar a inovação médica no topo da agenda mundial.
Os investidores já estavam financiando programas de agendamento que procuravam maximizar o uso de salas de cirurgias, equipe de enfermagem e outros recursos, além de tentar incorporar a tomada de decisões com IA nos cuidados de rotina. O provedor de dados CB Insights informou no início de 2020 que 367 empresas iniciantes em IA de assistência médica receberam 4.0 BUS$ em financiamento no ano passado, e a consultoria Accenture estima que, nos EUA, a Aprendizagem de Máquina (“Machine Learning”) economizará 150 BU$ anualmente até 2026 [94].
Uma das primeiras contribuições da IA na saúde foi a utilização desta tecnologia para acelerar os diagnósticos do coronavírus através do uso da tomografia [95]. Isto foi muito importante na agilização da contenção doença na China em conjunto com a testagem do vírus. Outros usos da tecnologia de IA nos primórdios da pandemia são destacados aqui [96].
Agora estimulado pela pandemia, grande parte desse trabalho está focada no gerenciamento, tratamento e prevenção da disseminação da Covid-19, o que aliviará a pressão nos sistemas de saúde. O AgileMD, p. ex., cria ferramentas clínicas de tomada de decisão para ajudar médicos e enfermeiros a decidir mais rapidamente como tratar pacientes e gerenciar recursos. Atualmente, esses programas estão disponíveis gratuitamente para os sistemas de saúde interessados [97].
Empresas, incluindo a BioIntelliSense e a Verily do Google, estão se concentrando em pequenos sensores e outros equipamentos que permitem que os pacientes serem monitorados em casa. O adesivo minúsculo do BioIntelliSense rastreia tudo, desde batimentos cardíacos e temperatura até tosse, espirros e vômitos. O objetivo é manter as pessoas afastadas dos prontos-socorros, onde o risco de infecção é alto e, ao mesmo tempo, garantir que quem precisa de atendimento o receba.
A tecnologia de ponta está ajudando muito a saúde em tempos da pandemia. A Apple anunciou recentemente um wearable tipo relógio inteligente para monitorar a doença [98].
Várias empresas chinesas fizeram progressos significativos no treinamento de sistemas de IA para acelerar o diagnóstico de infecções por coronavírus. (1) O braço de pesquisa do grupo de comércio eletrônico Alibaba tem um sistema que pode processar exames de tórax em 30 segundos, em comparação com um que gasta 10 minutos ou mais para um ser humano, e alega ter usado o aparelho para diagnosticar mais de 30.000 casos; (2) Os hospitais da Flórida estão tentando um sistema de triagem de visitantes que analisa atributos faciais como sudorese e descoloração, além de dados de uma varredura térmica; e (3) A empresa SenseTime da China combina “scanners” térmicos com a tecnologia de reconhecimento facial que pode selecionar pessoas que não usam máscaras em locais públicos. (Os “scanners” são controversos porque, supostamente, podem identificar pessoas mesmo quando estão usando máscaras).
As autoridades sul-coreanas creditam a tecnologia de IA por ajudar os seus esforços de líderes mundiais no combate a pandemia em testar e rastrear a doença – a empresa de biotecnologia molecular Seegene usou a IA para acelerar o desenvolvimento de seu kit de testes.
Outros esforços levarão mais tempo para impactar o atendimento ao paciente. Seis grandes universidades de pesquisa dos EUA estão se unindo à Microsoft e à C3.ai, um fornecedor de software de IA, para lançar o C3.ai Digital Transformation Institute, com US $ 367 milhões em financiamento do setor. Começa com uma chamada de propostas sobre como usar a tecnologia de IA para conter a disseminação da Covid-19 e também para se preparar para futuras pandemias. Os participantes incluem a Universidade de Chicago, Princeton, MIT e Carnegie Mellon.
O Escritório de Política Científica e Tecnológica da Casa Branca (“The White House’s Office of Science and Technology Policy”) pediu aos pesquisadores de IA que analisem 29.000 artigos acadêmicos para ver se conseguem encontrar respostas para perguntas básicas sobre a doença. O conjunto de dados está sendo disponibilizado ao público.
E a empresa Baidu, da China, e a startup DeepMind, do Google, usaram a tecnologia de IA para ajudar a prever a possível estrutura química das proteínas do coronavírus, o que pode facilitar a criação de um medicamento ou vacina. A área de “drug developement” (desenvolvimento de novos medicamentos) é um nicho onde a IA tem sido muito utilizada [99]. E será muito mais usada nessa área, “anote no seu caderninho”!
No final do ano passado, a famosa startup britânica do Google chamada DeepMind anunciou uma grande descoberta que estava sendo buscada a 50 anos na geração de novas moléculas através do uso da IA … um grande passo no desenvolvimento de novos medicamentos! [100]
A BenevolentAI [101] do Reino Unido, p. ex., está tentando reduzir o tempo e o custo no desenvolvimento de novos medicamentos examinando milhões de artigos científicos para combinar moléculas com doenças. Este trabalho está sendo focado na chamada medicina de precisão, que permite aos médicos encontrar os medicamentos mais adequados para pacientes individuais com marcadores genéticos específicos, aumentando assim as chances de sucesso.
O vírus expôs deficiências flagrantes nos sistemas de saúde em todo o mundo; isso, juntamente com o envelhecimento da população e a proliferação global de doenças crônicas, impulsionará o investimento muito necessário na infraestrutura global de saúde.
Acreditamos que após a pandemia existirá uma “corrida frenética” para a aquisição de infraestrutura global de assistência médica, especialmente na Medicina Emergencial. A China gasta apenas 441 US$ per capita com saúde anualmente, enquanto na Índia esse número é inferior a 70 US$. Enquanto isso, a pesquisa e o desenvolvimento em saúde (P&D) (tanto em empresas e como nos governos) devem sofrer um aumento também após pandemia. Enquanto o gasto total em saúde nos EUA é de 18% do PIB, a P&D em saúde nos EUA é inferior a 1% e a IA terá um quinhão considerável nesse processo.
Os governos e empresas não esquecerão da IA nos seus próximos investimentos em saúde.
A longo prazo, muitos analistas acreditam que a pandemia é um alerta que apenas reforça a importância de trazer a IA para a área de saúde – e usá-la para economizar investimento e vidas. A Covid-19 vai acelerar a revolução da IA na saúde segundo o famoso investidor e articulista chinês Kai Fu Lee [102].
A pandemia da Covid-a9 expôs várias falhas estruturais em quase todos os sistemas de saúde do mundo. A Covid-19 pode ser a convocação de que precisamos repensar o nosso gasto em saúde e o que estamos fazendo no uso de tecnologia.
Duas notáveis observações de saúde que vários países tiveram nesta crise:
(a) A assistência médica de diversos países não mudou tanto quanto alguém pensaria desde o surto de gripe espanhola de 1918 …
Tecnologia e inovação tiveram pouco impacto na jornada do paciente na atenção primária. O paciente desenvolve sintomas, o paciente visita o consultório médico (possivelmente infectando outros no caso do Covid-19), o médico diagnostica a doença principalmente a partir de sintomas externos, o médico envia o paciente para casa geralmente sob “vigilância e espera”, o paciente se recupera ou é encaminhado para o atendimento de emergência. Esse ciclo de diagnóstico / tratamento pessoal é repetido durante as visitas de milhões de pessoas à atenção primária anualmente em diversos países, e o padrão não mudou muito em 100 anos.
(b) A saúde é “inundada” de dados (em vários sistemas de saúde), mas sem conectividade e discernimento …
Os primeiros dias da crise do Covid-19 envolveram autoridades federais e estaduais de saúde trocando planilhas para rastrear manualmente a utilização e a capacidade dos hospitais. Como os sistemas de dados não estavam conectados, as autoridades de saúde pública estavam confiando em modelos exponenciais teóricos que provaram ser extremamente sensíveis a pequenas mudanças nas premissas teóricas. Apesar de décadas de investimentos em registros eletrônicos de saúde (em alguns países como os EUA), ainda existem centenas de conjuntos de dados “escuros” e desconectados de dados de saúde. Imagine a situação de países como o Brasil que não conseguiu implantar seu prontuário eletrônico de pacientes em larga escala? Mesmo quando os dados estão disponíveis, os fornecedores ficam sobrecarregados com a carga de trabalho e o grande volume de dados e, portanto, não obtêm os benefícios que você esperaria da digitalização.
Acreditamos que muitas tendências de inovação na área da saúde, já em andamento, só serão aceleradas devido à pandemia da Covid-19, enquanto continuarmos o esforço de descentralizar os medicamentos para longe dos hospitais e capacitar os pacientes como consumidores. Entre as novas tendências na saúde destacamos:
(a) Telessaúde: a telemedicina é mais rápida, geralmente oferece melhor qualidade e quase sempre é mais barata que os sistemas de entrega de serviços de saúde tradicionais. Já avançou rapidamente nos últimos anos e no ambiente Covid-19, pode ajudar a manter as pessoas em casa, achatar a curva e salvar vidas;
(b) Dispositivos conectados (wearables): os dispositivos de monitoramento conectados à Internet, quando implantados em conjunto com a telemedicina, podem aumentar sua eficácia e ajudar a produzir melhores resultados em todo o espectro clínico, desde doenças crônicas até doenças infecciosas;
(c) Diagnóstico rápido no ponto de atendimento: o teste molecular não chegou ao domicílio – ou mesmo ao consultório médico – embora a tecnologia subjacente para realizar diagnósticos moleculares rápidos / precisos exista há uma década ou mais. Chegou a hora de esperar o equivalente do iPhone nos diagnósticos, e várias empresas de tecnologia estão fazendo um grande progresso nessa visão. A Covid-19 é um lembrete de que os paradigmas regulatórios e de reembolso precisam deixar de ser um impedimento para um incentivo para essa inovação;
(d) Conectando os grupos de dados isolados (“dark pools”): a área de saúde está começando a adotar a moderna arquitetura de dados de interoperabilidade e APIs. No ambiente da Covid-19, a pressão para conectar sistemas de saúde isolados tem sido maior do que nunca e esperamos que empresas inovadoras, juntamente com o apoio do governo, acelerem a conectividade dos dados de saúde sem os intensos requisitos de integração das tentativas anteriores;
(e) Aplicação de automação e inteligência artificial: A crise atual é um lembrete de que nossos recursos de mão-de-obra em saúde já estavam esgotados. A automação continuará a fazer incursões na área da saúde para reduzir a carga de trabalho e melhorar a qualidade da captura de dados. A tecnologia de IA aplicada / vertical está apenas começando a ser combinada com dados abundantes de prontuário eletrônico de pacientes para levar as ideias certas, aos fornecedores certos e no momento certo.
Uma área bastante promissora para uso da tecnologia de IA no futuro próximo é a Telemedicina. Com a chegada da pandemia da Covid-19 diversos governos no mundo “cortaram” as amarras que impediam a evolução dos serviços de telessaúde. Aqui temos uma excelente referência sobre os serviços de telemedicina [103]. Os serviços de Telemedicina vão “explodir” após a pandemia de Covid-19 [104].
Para maiores detalhes do uso da IA ver as referências [104.1] e [105].
Existem duas novas tendências pouco exploradas – ainda – na Telemedicina atual: (a) a conversão voz-texto para automatizar processos administrativos na saúde e o (b) uso do monitoramento “sem contato” usando vídeo, som e plataformas móveis [106 – 108] e [109].
No item (a) acima temos o potencial do uso da tecnologia de IA para gerar dados a partir da voz e automatizar diversos processos na saúde (p. ex., preenchimento de informações do prontuário eletrônico dos pacientes a partir dos diálogos de voz com os pacientes). No ítem (b) acima de acordo com a análise da Frost & Sullivan, as tecnologias de monitoramento de pacientes “sem contato” estão gravitando em torno do uso de vídeo, análise de som e plataformas móveis incorporando tecnologias avançadas, como algoritmos de Aprendizagem de Máquina e Inteligência Artificial (IA). Ela prevê uma mudança da tecnologia vestível, que diz ser desconfortável, cara e com uso limitado, em favor da tecnologia “sem contato”, que tem as vantagens de ser multiuso e acessível.
Conheça também o Programa de Telessaúde do FCC (Federal Communications Commission) dos EUA [110].
Finalmente, a pandemia de Covid está transformando o modelo analógico de saúde atual em um novo modelo de saúde digital [111].
Eduardo Prado, Engenheiro Eletrônico Sênior (UFRJ) e Mestrado em Automação (COPPE/UFRJ). Atualmente Consultor de IA nos segmentos de Saúde, Agricultura e Indústria.
Twitter: https://twitter.com/eprado_melo
Linkedin: https://bit.ly/2Y4eEe5
Referências:
[1] NVIDIA Announces CPU for Giant AI and High Performance Computing Workloads, Nvidia, 12.apr.2021
[3] Machine Learning, Wikipedia
[3.1] Machine Learning Explained, MIT Sloan, 21.apr.2021
[5] Deep Learning Tutorial for Beginners: A Step-by-Step Guide, SimpliLearn, 05.apr.2021
[6] Referências do Google sobre “How the algorithms of Deep Learning are used in medicine”
[7] The State of AI: Divergence 2019 – MMC Ventures, February 2019 [download pdf here]
[8] State of AI Report 2020, Nathan Benaich and Ian Hogarth, 01.oct.2020 [pdf with 176 pages]
[9] Referências do Google sobre “AI in Healthcare”
[11] Surveying the AI Health Care Landscape, American Hospital Association, October 2019 [pdf included]
[12] Artificial Intelligence: Healthcare’s New Nervous System, Accenture, 2018
[13] A IA no Fluxo de Trabalho Clínico na Saúde, Saúde Business, 18.mar.2020
[15] Vamos repensar o “modelo” de Hospital para a Próxima Pandemia?, Startup Saúde, 11.jun.2020
[16] Covid-19 Will Accelerate the AI Health Care Revolution, Wired, 22.may.2020
[17] AI’s ‘Next Top Model’ For The Healthcare Industry, Medium, 22.may.2020
[18] O Futuro das Aplicações de IA na Saúde após a Pandemia, Startup Saúde, 30.nov.2021
[19] Referências do Google sobre “How AI is transforming the Healthcare after Covid 2021”
[20] Meet your doctor’s AI assistant, Axios, 17.apr.2021
[21] AI and Machine Learning for Healthcare, KDnuggets, May 2020
[22] Vídeo: Jeff Dean, Google – Keynote – 2019 Stanford Medicine Big Data | Precision Health, 02.jul.2019
[24] Why Micropsoft’s new AI acquisition is a big deal, Venture Beat, 17.apr.2021
[25] Is Conversational AI the future of Healthcare?, Chabots Magazine, 11.apr.2018
[27] Babylon Health launches digital assistant for COVID-19, Pharma Forum, 23.mar.2020
[28] The Top 12 Health Chatbots, The Medical Futurist, 16.jan.2020
[29] Referências do Google sobre “ai robot-assisted surgery”
[30] Top 16 companies in AI-powered medical imaging, AI Multiple, 25.may.2020
[31] The Best AI-based Medical Imaging Tools in 2020, Predicitive Analytics Today, May 2020
[32] Putting the AI in Radiology, Radiology Today
[34] Deep Learning Approach for Cancer Detection and Relevant Gene Identication, NIH
[35] Dermatologist-level classification of skin câncer, Nature, 25.jan.2017
[37] MIT: An artificial intelligence tool that can help detect melanoma – MIT News,, 02.apr.2021
[38] Translational AI and Deep Learning in Diagnostic Pathology, Frontiers, 01.oct.2010
[39] 5 Ways Artificial Intelligence Is Transforming Digital Pathology, HIT Consultant, 22.nov.2019
[40] Face-Scanning AI Identifies Rare Genetic Disorders, IEEE Spectrum, 11.jan.2019
[41] Facial recognition and AI could be used to identify rare genetic disorders, The Verge, 15.jan.2019
[42] This AI Identifies Genetic Disorders by Looking at Face Shape, Futurism, 08.jan.2019
[43] Moon da Diploid
[44] How Healthcare Organizations Use AI to Boost and Simplify Security, Health Tech, 27.nov.2019
[45] Machine Learning in Healthcare Cybersecurity – Current Applications, EMERJ, 12.nov.2019
[46] Cybersecurity in the time of COVID-19, Healthcare IT new, 17.apr.2020
[48] FACT SHEET: Imposing Costs for Harmful Foreign Activities by the Russian Government, 15.apr.2021
[49] The $1 billion Russian cyber company that the US says hacks for Moscow, 15.apr.2021
[50] The Health Care Benefits of Combining Wearables and AI, Harvard Business Review, 28.may.2019
[51] Referências de Google sobre “wearable ai predictive healthcare”
[54] Amazon AI generates medical records from patient-doctor conversations, Engadget, 02.dec.2019
[55] Intelligent automated conversations with a human touch, Nuance
[57] Qventus raises $30M to expand AI-enabled hospital workflow tool, Healthcare Dive, 16.may.2018
[59] The Drug Development and Approval Process, FDA Review.org
[60] Vídeo: Berg Health: Artificial intelligence is making better drugs, Wired Health, 16.oct.2015
[61] MCTIC investe no combate ao Covid-19, MCTIC, 27.mar.2020
[62] Creating New Drugs, Faster: How AI Promises to Speed Drug Development, Nvidia, 08.feb.2017
[63] 43 Pharma Companies Using Artificial Intelligence in Drug Discovery, BenchgSci, 08.abr.2020
[64] Powerful antibiotics discovered using AI, Nature, 20.feb.2020
[65] Deep Learning AI discovers surprising new antibiotics, The conversation, 20.feb.2020
[66] Report: Speed up drug development with artificial intelligence, Roll Call, 22.jan.2020
[67] The Future of Drug Discovery: AI, Automation and Beyond, Technology Networks, 15.jun.2020
[68] AI predicts effective drug combinations to fight complex diseases Faster, Facebook AI, 16.apr.2021
[69] Referências do Google sobre “AI new drug develpment to fight disease healthcare”
[69.1] Referências do Google sobre “predictive medicine wikipedia”
[69.2] Referências do Google sobre “risk stratification healthcare prediction”
[70] Análise Preditiva: a Aplicação “Killer” de Big Data em Saúde, Saúde Business, 10.jun.2016
[71] Análise preditiva de complicações em pacientes diabéticos, Saúde Business, 25.set.2017
[72] CEIA da UFG
[74] Referências do Google sobre “How AI predictive medicine could collaborate with healthcare”
[76] Big Data para Governos, Saúde Business, 11.abr.2018
[77] Referências do Google sobre “How Governments are using AI to manage healthcare”
[78] Referências do Google sobre “precision medicine wikipedia”
[80] Medicina personalizada: Big Data no combate ao Câncer [Parte 02], Saúde Business, 15.out.2015
[81] The Precision Medicine Initiative
[82] Genomics, Wikipedia
[83] DNA Sequencing, Wikipedia
[83.1] The Cost of Sequencing a Human Genome, NIH, USA
[84] Referências do Google sobre “genomics next generation sequencing”
[85] Massively Parallel Sequencing, Wikipedia
[86] Exome Sequencing, Wikipedia
[87] Whole Genome Sequencing, Wikipedia
[88] Referências do Google sobre “average wes wgs size”
[89] Illumina
[90] Artificial Intelligence for Genomic Medicine, Cambridge University, May 2020 [pdf here]
[91] How AI could revolutionize biology — and vice versa, Axios, 08.apr.2021
[91.1] Biology Eats World, Andreesen & Horowitz
[92.2] Referências do Google sobre “Cancer diagnosis using AI Precision Medicine A New Era”
[93] How Drug Companies Are Using Your DNA To Make New Medicine, Wall Street Journal, 22.jul.2019
[94] Investors poured $4B into healthcare AI startups in 2019, Fierce Healthcare, 22.jan.2020
[95] China uses AI in medical imaging to speed up COVID-19 diagnosis, BioWorld, 05.mar.2020
[96] A IA em Tempos de Coronavírus, Saúde Business, 30.mar.2020
[97] AgileMD Uses AI to Decide Who Lives or Dies with COVID, Digital HBS, 21.apr.2020
[99] Referências do Google sobre “importance drug development pharma health ai”
[100] Referências do Google sobre “Deep Mind AI to find new molecules”
[101] Benevolent AI
[102] Covid-19 Will Accelerate the AI Health Care Revolution, Wired. 22.may.2020
[103] Telemedicina: a grande ajuda para o “novo normal” da saúde pós-Covid-19!, Startup Saúde, 10.mai.2020
[104.1] A IA na Telemedicina!, Startup Saúde, 17.mai.2020
[107] Startup bets on AI voice assistant to prevent physician burnout, MedCity News, 10.dec.2019
[108] Voice-Enabled AI App May Reduce EHR Documentation Time, Medscape, 20.nov.2019
[110] FCC: COVID-19 Telehealth Program, April 2020
[111] O Modelo de Saúde Analógico já era. O quente agora é o Digital!, Startup Saúde, 24.set.2020