Palestra Online Gratuita: Inovação em Saúde com Dra. Jussara Rötzsch 02/05 20h00

A Diretoria de Educação da SBIS tem o prazer de convidar a todos para a 3ª palestra do VII Ciclo de Seminários Online de Informática em Saúde . No dia 02/05/2016, teremos a palestra Inovação em Saúde.

Resumo da palestra:

Novas tecnologias estão transformando a assistência médica em todo o mundo, possibilitando a implantação de serviços inovadores, melhoria da qualidade do cuidado, promovendo a colaboração e melhorando os resultados para os pacientes. Mas para se beneficiar destas novas oportunidades as organizações devem encontrar respostas para uma série desafios e mudar uma série de paradigmas. 

As organizações de saúde devem fornecer cuidados integrados baseados nas melhores evidências científicas. Ao mesmo tempo precisam implementar os mais recentes avanços científicos e serem capazes de gerenciar um grande volume de dados que crescem exponencialmente a cada dia. Sem uma info e infraestrutura de TI que tenha o poder e a escalabilidade para lidar com o dinamismo e complexidade que caracterizam o setor saúde, pode ser difícil de assegurar a interoperabilidade, manter os custos sob controle e atender às exigências regulatórias cada vez mais rigorosas. A maioria das organizações hoje adota uma abordagem puramente táctica par lidar com estas questões, implantando soluções pontuais para enfrentar cada desafio, cada problema. Entretanto, essa abordagem tem criado mais do que resolvido problemas, pois os sistemas são desenvolvidos em silos que dificultam a interoperabilidade e a visão integrada e, por consequência, a adoção de inovações.

Fornecedores de produtos especialistas e proprietários geralmente não estão equipados para integrar seus sistemas com produtos de outros fornecedores, o que leva a própria organização a ter que assumir a integração, criando departamentos de TI apenas para integrar e suportar sistemas díspares.

Para aproveitar o que a inovação em saúde pode trazer de benefícios para pacientes e de eficiência para a organização, é vital pensar estrategicamente e desenhar uma arquitetura e modelos de referência. Assim as soluções tecnológicas e específicas de saúde escaláveis serão sustentáveis a longo prazo.

Palestra: Inovação em Saúde

Data: 02/05/2016

Horário: 20h00 às 21h30

Palestrante: Dra. Jussara Macedo Pinho Rötzsch

Mini Currículo da palestrante:

Especialista em Soluções em eSaúde da Oracle do Brasil, membro do Conselho Diretor da Fundação openEHR. Co-chair do grupo de Registro Eletrônico de Saúde do Instituto HL7 Brasil. Pesquisadora em modelos clínicos e terminologia em Saúde da UNB no projeto de Registro Eletrônico de Saúde do Ministério da Saúde. Foi consultora de interoperabilidade e modelo de informação do RES da UNIMED do Brasil. Coordenou o desenvolvimento e implantação da TISS na ANS.

Você é nosso convidado. A palestra é aberta ao público em geral, sem necessidade de inscrição prévia. Para acessar a sala virtual de webconferência, utilize um navegador de internet, acesse o link abaixo e entre na sala como Convidado, usando o seu nome.

http://meet52658369.adobeconnect.com/vii_ciclo_seminarios_online_sbis/

Atenciosamente,

Diretoria de Educação SBIS - Zilma Reis e Juliana Souza-Zinader

Diretoria de Comunicação SBIS - Abel Magalhães e Leandra Carneiro

Painel de Big Data em 2016 - Inteligência Artificial a serviço da Saúde

Matt Turck escreveu o post "Is Big Data Still a Thing? (The 2016 Big Data Landscape)" onde mostra o panorama atual de Big Data e como ela está se tornando a nova Inteligência Artificial, inclusive na área da saúde.

"A grande tendência ao longo dos últimos meses em análise de Big Data tem sido o foco crescente em inteligência artificial (em suas diversas formas e sabores) para ajudar a analisar enormes quantidades de dados e derivar percepções preditivas.(...) Os algoritmos para aprendizagem profunda (a área da IA que recebe mais atenção nos dias de hoje) foram criados há décadas atrás, mas não mostraram todo o seu potencial até que pudessem ser aplicados a grandes quantidades de dados baratos e rápidos. (...) A combinação de Big Data e IA irá impulsionar a inovação em praticamente todos os setores. A partir dessa perspectiva, a oportunidade de Big Data é provavelmente ainda maior do que as pessoas pensavam." Matt Turck

Abaixo podemos ver um panorama atual da Big Data dividida em infraestrutura, análise e aplicações, atualizada em 23/03/2016, isto é, bem recente.

Matt Turck -big data landscape

Para a imagem em tamanho grande, clique aqui. Para a lista das empresas, clique aqui.

Na área da saúde temos 2 áreas que chama a atenção: fonte de dados e API e Aplicações em Life Science.

Fonte de dados e API em Big data em Saúde

Fonte de dados e API em Big data em Saúde

• Jawbone: Aplicativo UP usa o telefone ou smartwatch compatível para monitorar os movimentos, permite registrar alimentos e sono e mostra como fazer ajustes simples que, com o tempo, renovam o usuário por completo. Possui monitores de atividade física também: 
• Garmin: um dos principais produtores de dispositivos de fitness que ajudam as pessoas a atingir seus objetivos, com dispositivos para atividades diárias, caminhada, corrida, natação ou uma combinação de atividades, além de ciclismo, natação corrida e poliesportiva.
• Practice Fusion: conecta médicos, pacientes e dados para conduzir melhor saúde e salvar vidas, plataforma clínica em tempo real de dados não-identificados.
• Fitbit: vários modelos de dispositivos tracker para todos os gostos.
• Withings: dispositivos wireless de pressão arterial, peso, temperatura, atividade e muito mais, vendidos no site da Apple.
• Validic: plataforma de tecnologia baseada em nuvem que conecta os dados gravados do usuário, desde aplicativos de saúde, dispositivos e wearables à empresas, como Kaiser Permanent, Cerner, sistemas hospitalares, fornecedores, empresas farmacêuticas, contribuintes, plataformas de tecnologia de informação de saúde, clubes de saúde e empresas de bem-estar.
• Netatmo: Câmera com reconhecimento de face.
• Kinsa: termômetro que junto com aplicativo, relaciona a febre e os sintomas informando aos pais quando é motivo de preocupação.
• HumanAPI: acesso em tempo real aos dados de saúde digitais estruturados a partir de fornecedores, laboratórios, farmácias, dispositivos e aplicativos, permite conectar o mundo de dados de saúde para a sua aplicação com uma única API.

Aplicações de Big Data em Life Scienses 

Aplicações de Big Data em Life Scienses 

• 23andMe:  serviço de análise de DNA fornecendo informações e ferramentas para as pessoas para conhecer e explorar seu DNA.
• 3scan: visa alargar a compreensão da biologia passado o dogma central para fornecer uma compreensão da estrutura, função e mau funcionamento dos tecidos normais e patológicos em 2D e 3D. Com várias modalidades de imagem disponíveis, podemos capturar, manipular, analisar e quantificar uma grande variedade de informações estruturais para fornecer insights sobre o seu investigação problemas.
• AiCure: soluções avançadas de adesão à medicação alimentado por inteligência artificial
• Atomwise: usando supercomputadores para prever, com antecedência, que potenciais medicamentos vai funcionar, e quais não. Usando algoritmos de aprendizado de máquina para analisar as bases de dados para dizer a diferença entre quais drogas são indicadas e quais serão tóxicas, e descobrir novos usos para medicamentos antigos. 
• Bina Technologies: soluções para análise genômica secundária e terciária, gestão de dados end-to-end e colaboração eficaz. As soluções  ajudam a organizar, encontrar e compartilhar ideias como grandes volumes de dados e  genômica.
• Counsyl: análise de DNA para pré-concepção, pré-natal, câncer hereditário, e mias.
• Deep Genomics: aprendizagem de máquina, biologia do genoma e da medicina de precisão, nova geração de tecnologias computacionais que podem nos dizer o que vai acontecerá dentro de uma célula quando o DNA é alterado pela variação genética, de ocorrência natural ou terapêutico. Banco de dados SPIDEX TM , um conjunto abrangente de mutações e seus efeitos previstos no splicing de RNA em todo o genoma humano.
• Diassess: análise de DNA com objetivos médicos, forenses, químicos, industrial e agricultura.
• Enlitic: tecnologia de aprendizagem profunda para a medicina, contextualiza os dados de imagem comparando-a com grandes conjuntos de dados de imagens do passado, e através da análise de dados clínicos auxiliares, incluindo os relatórios clínicos e estudos de laboratório. Fornece insights ao médico em tempo real ou retrospectivo.
• Flatiron Health: plataforma de evidências para oncologia, ferramenta de análise que desbloqueia dados de vários sistemas e fornece insights clínicos detalhados e inteligência de negócios. 
• Ginger.io: empresa fez um app que acompanha sua saúde mental, medindo níveis de paciência e depressão.
• Glow: rastreamento de saúde pessoal abordando período menstrual e vida sexual, fertilidade, gravidez e bebê.
• Grand Round Table: solução de suporte a decisão clínica integrado ao Registro eletrônico de Saúde
• HealthTap: uma plataforma com mais de 60 mil médicos para atender pacientes online, base de conhecimento mais abrangente do mundo de informações pessoais de saúde criado pelo médico, e organizado com a ontologia proprietária da empresa, não só para os usuários e médicos, mas também para os desenvolvedores.
• HumanDX:  é um esforço mundial para mapear qualquer problema de saúde aos seus possíveis diagnósticos . O Projeto coleta e interpreta as contribuições online de membros das comunidades médicas , científicas e de paciente para criar o primeiro sistema de diagnóstico aberto do mundo .
• Kyruus: plataforma empresarial orientada a dados ajuda os sistemas de saúde a otimizar sua capacidade clínica e melhorar a experiência do paciente em todos os pontos de entrada.
• Metabiota: análise de risco, abordagem diferente às ameaças de doenças infecciosas, soluções para transformar a informação de saúde em inteligência acionável.
• Ovuline:nova geração de apps de saúde construídos por cientistas e médicos usando algoritmos sofisticados, para a saúde feminina
• Pathway: análise de DNA, com IBM Watson, fornece aos usuários informação de saúde validada e personalizada entregue em qualquer dispositivo, incluindo informação somática e câncer hereditário , saúde cardíaca , triagem de portadores , dieta e perda de peso , bem como a resposta à drogapara medicamentos específicos, incluindo os utilizados na gestão da dor e saúde mental.
• Recombine: análise de DNA
• SolveBio: Plataforma de Genomic Intelligence para Medicina de precisão.
• Transcriptic: acesse um laboratório celular e de biologia molecular totalmente automatizado diretamente do seu navegador. 
• Tute Genomics: plataforma de genômica, armazena e gerenciar grandes repositórios de dados genômicos.
• uBiome:  mapeia o microbioma humano, serviço de sequenciamento fornece informações e ferramentas para explorar as populações de bactérias que vivem sobre e dentro do corpo. Com base em pesquisas do Projeto Microbioma Humano NIH , aperfeiçoou a tecnologia para realizar estudos microbioma em grande escala.
• Vital Labs:  processamento de imagens médicas, análise de dados, e desenvolvimento de produtos voltado para o consumidor.
• Zephyr Health: organizar e visualizar os dados globais de saúde para ajudar os clientes indicar terapias de acordo com as necessidades do cliente.
• Zymergen: biotecnologiaa, biologia, automação, aprendizado de máquina e arquitetura de dados, desenvolvendo novas formas  mais eficientes e mais confiáveis ​​para otimizar microrganismos para a fermentação industrial.

Vemos big data aplicada em Genômica para Medicina de Precisão, Farmacogenômica, banco de dados gerando Suporte a Decisão Clínica para integrar a prontuários eletrônicos, Insights relacionando história clínica e exames de imagens, tudo isso utilizando a enormidade de dados disponíveis.  E empresas produzindo dispositivos para capturar esses dados, aprimorando smartphones para se tornarem cada vez mais um sensor de saúde e bem estar.

Um mundo de evidências está disponível para ser descoberto e melhorar nossa prática clínica diária. E penso que o conceito de algoritmos foi introduzido em 1936 com a Máquina de Turing de Alan Turing e pelo cálculo lambda de Alonzo Church, e que só na década de 80 foram relembrados e aplicados adequadamente devido a evolução dos microprocessadores e computadores. 

Inteligência artificial é o estudo de como fazer os computadores realizarem tarefas que, no momento, as pessoas realizam melhor, o que inclui a capacidade de adquirir e aplicar conhecimentos aprendidos. (Almir Olivette Artero - Inteligência Artificial - Teoria e Prática). Praticar Medicina ainda é algo que fazemos melhor que os computadores.  Os algoritmos e as máquinas ainda não são tão bons na análise do discurso do paciente, pois o paciente intui uma grande quantidade de conhecimento de senso comum que pressupõe que o médico possua, e usa a ambiguidade, assumindo que o médico perceba. Computadores ainda não o fazem. AINDA.

O Radiologista automatizado da IBM pode ler imagens e registros médicos

Do blog Technology Review vem esse artigo superinteressante sobre o Avicena, um software da IBM que usa algoritmos de processamento de imagem juntamente com outros algoritmos de interpretação de texto (nos registros médicos), para sugestão de diagnóstico no auxílio a radiologistas.  É o aprendizado de máquina e a inteligência artificial aliando-se à prática clínica. Confira:

A maioria dos softwares inteligentes em uso hoje é especializada em um tipo de dado, seja interpretando texto ou adivinhando o conteúdo de fotos. O software em desenvolvimento na IBM tem que fazer tudo isso ao mesmo tempo. Está treinando para se tornar um assistente do radiologista.
O software tem o apelido de Avicena, em homenagem ao filósofo do século 11 que escreveu uma enciclopédia médica influente. Ele pode identificar características anatômicas e anormalidades em imagens médicas, tais como tomografia computadorizada e também se baseia em texto e outros dados no prontuário do paciente para sugerir possíveis diagnósticos e tratamentos.
Avicena foi projetado para ser utilizado pelos cardiologistas e radiologistas para acelerar seu trabalho e reduzir os erros e atualmente é especializada em radiologia cardiológica e de mama. Está atualmente sendo testado e refinado usando imagens e registros médicos anônimos. Mas Tanveer Syeda-Mahmood, um pesquisador do laboratório de pesquisa da IBM em Almaden perto de San Jose, Califórnia, e cientista-chefe do projeto, diz que a sua equipe e outros na empresa já estão se preparando para começar a testar o software fora do laboratório com grandes volumes de dados reais de pacientes. "Estamos começando os preparativos para a comercialização", diz ela.
Avicena "olha" imagens médicas utilizando um conjunto de diferentes algoritmos de processamento de imagem com diferentes especialidades. Alguns foram treinados para avaliar a distância para dentro do peito do paciente de uma imagem que foi tirada, por exemplo. Outros podem identificar os órgãos ou rotular anormalidades como coágulos sanguíneos. Alguns desses componentes de imagem usam uma técnica chamada de aprendizagem profunda, que produziu recentemente grandes saltos na precisão de software de reconhecimento de imagem (veja "AI Advances Make It Possible to Search, Shop with Images").
Os algoritmos de processamento de imagem trabalham ao lado de outros que foram treinados para interpretar o texto e resultados de testes em registros médicos. Avicena tem um sistema de "raciocínio" que se enquadra na saída de todos esses sinais diferentes para sugerir possíveis diagnósticos para um paciente. Ele mostra um resumo de seu raciocínio para a pessoa que trabalha com o software.

Imagem: O software da IBM, Avicena, destacou possíveis embolias em uma tomografia em verde, encontrando virtualmente o mesmo problema que um radiologista humano que marcou a imagem em vermelho.

Em uma demonstração do sistema, Syeda-Mahmood mostrou Avicena avaliando o caso de uma mulher de 28 anos de idade, queixando-se de falta de ar. O prontuário da paciente tinha imagens de pulmão e angiograma dos vasos sanguíneos em torno de seus pulmões, alguns exames de sangue e texto, observando que sua mãe tinha passado por vários abortos.
Avicenna sabia que o histórico da família poderia ser associado com uma tendência de formar coágulos sanguíneos, o que pode levar a abortos, conhecimento que mudou como as imagens do angiograma foram analisadas. O software sugeriu embolia pulmonar como o diagnóstico mais provável e destacou várias embolias possíveis em artérias pulmonares direita e esquerda do paciente. Quando um radiologista de forma independente analisou o mesmo caso, ele fez o mesmo diagnóstico e destacou mais ou menos exatamente as mesmas embolias.
IBM não são os únicos pesquisadores tentando construir software que combina texto e outros dados de registros médicos para funcionar como um radiologista. Mas Kenji Suzuki, professor associado no centro de pesquisa de imagens médicas no Instituto de Tecnologia de Illinois, diz que as ambições comerciais da IBM para Avicena são únicos. "Nenhuma outra empresa está a tentar ou prevendo que a integração total de texto, dados estruturados e imagiologia médica", diz ele.
No entanto, com base no que ele tem visto do projeto até agora, Suzuki diz que o processamento de imagem do Avicena e os poderes de diagnóstico ainda precisam se tornar mais precisos e flexíveis. Mesmo depois de fazer essas melhorias, para ter vendas significativas, a IBM terá de integrar seu ajudante automatizado com os sistemas de TI de hospitais existentes e provar que tem benefícios econômicos - "como reduzir o custo total do hospital, o reembolso do seguro, ou os riscos de ações judiciais", diz Suzuki.
Syeda-Mahmood diz que tornar o Avicena mais preciso é uma das principais prioridades da sua equipe, embora o objetivo seja ajudar os radiologistas e não substituí-los. E ela acredita que a IBM tem uma vantagem sobre as outras empresas tentando construir este tipo de software.
Isso porque fazer um sistema de aprendizado de máquina mais preciso requer oferecer a ele muitos dados de exemplo para refinar suas habilidades. A IBM já acumulou uma grande coleção de imagens médicas e registros e está no processo de torna-la muito maior.
No ano passado a empresa adquiriu uma coleção de milhares de imagens médicas, quando adquiriu a empresa Merge Healthcare. Essas imagens ainda não estão disponíveis para Avicena, mas quando estiverem, poderão ajudar a tornar o software mais preciso, diz Syeda-Mahmood. O projeto também pode obter um aumento de 50 milhões de registos de saúde electrônicos anônimos que a IBM recebeu na aquisição do ano passado de uma startup chamada Explorys.
Este artigo pertence a coleção Como treinar suas máquinas