Inteligência artificial que prevê doenças é adotada por Unimed em Goiânia

Programa de computador que foi desenvolvido na UFG e premiado internacionalmente é capaz de antecipar complicações de doenças crônicas com 97% de acurácia

Tese de doutorado de Rafael Teixeira se tornou um produto que auxilia médicos a tomar decisões | Foto: Reprodução

Em Goiânia, a Unimed tem utilizado uma inteligência artificial capaz de prever quando pacientes crônicos de doenças como a diabetes terão complicações clínicas. O mais surpreendente: o software (ainda sem nome) é capaz de fazer estas predições com base apenas em informações financeiras da operadora de planos de saúde, sem ler dados clínicos como resultados de exames, pareceres médicos ou prontuários de pacientes. O resultado da tecnologia será apresentado em simpósios da Unimed e poderá ser adotado em outras unidades do país.

Fruto da tese de doutoramento em Ciências da Computação de Rafael Teixeira pela Universidade Federal de Goiás (UFG) e orientado por Anderson Soares, o algoritmo é um exemplo do potencial que imensas bases de dados (big data) oferecem. A dupla de cientistas da computação explica que a ideia surgiu de conversas com médicos e funcionários da operadora de planos de saúde que estavam preocupados em reverter esforços da cooperativa médica para o pequeno percentual que mais necessita de atenção. 

Sabendo que o programa teria de seguir as diretrizes da Lei Geral de Proteção de Dados para ser aplicável na prática, Rafael Teixeira não pôde contar com informações pessoais dos clientes, nem mesmo as de valor médico. Só teria acesso aos dados transacionais detidos pela operadora de planos de saúde; informações financeiras que significam apenas a realização de exames. “Fizemos a ferramenta, mas precisávamos ligar à outra ponta, que são os clientes das operadoras”, explica Rafael Teixeira. “Eles nos ajudaram a fazer a modelagem fornecendo informações sobre exames feitos por 300 mil clientes.”

Tese de doutorado de Rafael Teixeira se tornou um produto que auxilia médicos a tomar decisões | Foto: Arquivo Pessoal

Aprendizado profundo

Para a tese de doutorado, que será defendida dentro de um mês, Rafael Teixeira se concentrou nas complicações advindas da diabetes, como amputações de membros, paradas cardíacas e falências renais. Alimentada com os dados transacionais financeiros, a inteligência artificial começou a encontrar padrões nos exames que foram feitos por pacientes antes de complicações surgirem. A ferramenta foi “ensinada” por deep learning a reconhecer quais exames precedem uma parada cardíaca e o desempenho do software foi continuamente aprimorado à medida que novas informações foram inseridas. 

Rafael Teixeira explica: “Só sabemos que a pessoa fez um exame, mas sabemos sobre todas os clientes fizeram esse exame no passado e o que ocorreu com eles posteriormente. Existe um padrão de progressão da pessoa em tratamento. Um paciente vai ao pronto socorro algumas vezes, sentindo determinados sintomas, médicos pedem certos exames. Assim, o algoritmo percebe o que acontece antes do infarto e alerta médicos sobre pacientes em risco”. 

O orientador da tese, Anderson Soares, explica sobre a importância do diagnóstico precoce: “A ideia é prever a entrada de pacientes em fase aguda. Pode-se fazer uma angioplastia eletiva ao invés de aguardar a parada cardíaca. Recupera-se o paciente de forma tranquila, sem sequelas, já que a maioria das pessoas que sobrevivem a uma parada cardíaca saem dela com sequelas”. 

Ciência em favor da saúde

Atualmente, o algoritmo é capaz de prever com seis a 12 meses de antecedência quem sofrerá as consequências de doenças crônicas com 97% de acurácia. Através da análise dos exames que estão sendo feitos pelos clientes, a inteligência artificial (IA) é capaz de direcionar a atenção de médicos a pacientes em risco. Não mais limitada aos diabéticos, a IA acompanha todos os pacientes de doenças crônicas em Goiânia. 

“Consigo identificar metade dos diabéticos que irão piorar com taxa de falso positivo de 50%”, explica Rafael Teixeira. “De 100 pessoas que terão complicações, prevejo metade”. O índice parece baixo, mas quando se considera que cerca de 97% dos pacientes permanecerão estáveis, o algoritmo ganha importância. O programa encontra com alta acurácia o pequeno grupo de risco em um universo com milhares de indivíduos. 

“Em uma lista de 300 mil pessoas, identificamos 100 em que pelo menos 50 terão complicações. Então reduzimos bastante o foco e podemos destinar atenção adequada à esta centena”, explica Rafael Teixeira. O doutorando afirma que a solução resolve um dos maiores problemas das operadoras: o alto número de clientes com doenças crônicas que precisam de cuidados. “Não se pode oferecer o mesmo nível de cuidado preventivo. Nem mesmo é desejável exigir consultas frequentes ou destinar nutricionistas e psicólogos a pessoas saudáveis”. 

O futuro da medicina

Dr. Diolindo afirma que há intenção de transformar uma unidade da Unimed em uma unidade de predição no futuro | Foto: Reprodução / UnimedO Dr. Diolindo dos Santos Freire Neto, ginecologista associado à Unimed, explica a importância da tecnologia para sua atividade: “Cerca de um terço dos recursos são consumidos com 4% dos pacientes mais graves. O Centro de Excelência em Inteligência Artificial da UFG usa inferências para chegar a uma lista de pessoas com maior risco, e então podemos nos antecipar a complicações com medidas preventivas simples e eficientes. Nossa intenção é transformar a unidade da Unimed do Setor Aeroporto, que atualmente trata de prevenção, em uma unidade de predição no futuro”.

Daniel Albuquerque, Diretor Executivo da PhD Consult, empresa de consultoria na área de saúde, afirma que a tendência é de atuação conjunta entre médicos e máquinas. Isto é, decisões clínicas feitas por médicos com base na apuração de grandes bases de dados processadas por computador. “Um não substituirá o outro; vemos uma clara melhora no desempenho quando os dois estão associados”.

Daniel Albuquerque explica que a principal diferença entre inteligência artificial e inteligência humana é que a complexidade é um fator bom para máquinas e ruim para pessoas. O computador consegue encontrar padrões onde seria impossível para médicos experientes, porque algumas correlações não são causais; ou seja não são clinicamente previsíveis. São relações chamadas de “caixa preta”, fatores que estão ligados mas não são previsíveis do ponto de vista médico. 

A tese “Predição de complicações em diabéticos para aprimoramento de cuidados preventivos” conseguiu algo que poucas IAs fazem. Anderson Soares diz: “Este algoritmo cumpre uma tarefa impossível para humanos. Na maioria das vezes o software apenas automatiza uma atividade repetitiva, mas, neste caso, o programa faz algo impossível para um médico. Ele consegue fazer ligações que não estão no contexto clínico”.

Daniel Albuquerque afirma que no futuro médicos tomarão decisões baseados em decisões processadas por computadores | Foto: Reprodução / Unimed

Com o trabalho, a dupla foi vencedora do concurso internacional de automação da Johnson & Johnson Champions of Science Storytelling Challenge 2019. Entretanto, Anderson Soares conta que o reconhecimento pelo trabalho vem de realizações menores: “Quando apresentamos o trabalho em uma palestra, uma moça levantou a mão e disse que sua mãe havia recebido pedido para realizar um exame das coronárias por iniciativa da operadora. Quando fez o exame, descobriu que já estava com 98% da artéria fechada”.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.