Como os hospitais estão usando a Inteligência Artificial para combater o Covid-19

Na segunda-feira, 9 de março, em um esforço para atender à crescente demanda de pacientes em Boston, o Partners HealthCare entrou em operação com uma linha direta para pacientes, clínicos e qualquer pessoa com perguntas e preocupações sobre o Covid-19. Os objetivos são identificar e tranquilizar as pessoas que não precisam de cuidados adicionais (a grande maioria dos chamadores), direcionar pessoas com sintomas menos graves para informações relevantes e opções de atendimento virtual e direcionar o número menor de pacientes de alto risco e alto risco. -acuidar os pacientes com os recursos mais adequados, incluindo locais de teste, clínicas de doenças respiratórias recém-criadas ou, em certos casos, departamentos de emergência. À medida que a linha direta ficou sobrecarregada, o tempo médio de espera atingiu o pico em 30 minutos. Muitos chamadores desistiram antes que pudessem falar com a equipe de enfermeiros especialistas da linha direta. Estávamos perdendo oportunidades de facilitar a triagem pré-hospitalar para levar o paciente ao local de atendimento certo, na hora certa.

A equipe do Partners, liderada por Lee Schwamm, Haipeng (Mark) Zhang e Adam Landman, começou a considerar opções de tecnologia para atender à crescente necessidade de auto-triagem de pacientes, incluindo sistemas interativos de resposta por voz e chatbots. Nos conectamos com o sistema de saúde Providence St. Joseph em Seattle, que atendeu alguns dos primeiros pacientes do país com Covid-19 no início de março. Em colaboração com a Microsoft, a Providence criou uma ferramenta de triagem e triagem on-line que pode diferenciar rapidamente entre aqueles que realmente estão doentes com o Covid-19 e aqueles que parecem estar sofrendo de doenças menos ameaçadoras. Em sua primeira semana, a ferramenta da Providence atendeu a mais de 40.000 pacientes, oferecendo atendimento em uma escala sem precedentes.

Nossa equipe viu potencial para esse tipo de solução baseada em IA e trabalhou para disponibilizar uma ferramenta semelhante à nossa população de pacientes. O Partners Covid-19 Screener fornece uma interface de bate-papo simples e direta, apresentando aos pacientes uma série de perguntas com base no conteúdo dos Centros dos EUA para Controle e Prevenção de Doenças (CDC) e especialistas do Partners HealthCare. Dessa forma, ele também pode rastrear um grande número de pessoas e diferenciar rapidamente entre aqueles que realmente estão doentes com o Covid-19 e aqueles que provavelmente estão sofrendo de doenças menos ameaçadoras. Prevemos que esse bot de IA alivie altos volumes de tráfego de pacientes até a linha direta e estenda e estratifique os cuidados do sistema de maneiras que seriam inimagináveis ​​até recentemente. Agora, está em andamento o desenvolvimento para facilitar a triagem de pacientes com sintomas para o ambiente de atendimento mais adequado, incluindo atendimento virtual urgente, prestadores de cuidados primários, clínicas de doenças respiratórias ou o departamento de emergência. Mais importante ainda, o chatbot também pode servir como um método de disseminação quase instantâneo para apoiar nossos provedores amplamente distribuídos, pois vimos a necessidade de atualizações frequentes do algoritmo de triagem clínica com base em um cenário em rápida mudança.

Da mesma forma, tanto no Brigham and Women’s Hospital quanto no Massachusetts General Hospital, pesquisadores médicos estão explorando o potencial uso de robôs inteligentes desenvolvidos no Boston Dynamics e no MIT para implantar em clínicas de surtos de Covid e enfermarias para realizar tarefas (obter sinais vitais ou administrar medicamentos) que de outra forma exigiriam contato humano em um esforço para mitigar a transmissão de doenças. Iniciativas de IA já estão surgindo Vários governos e sistemas hospitalares em todo o mundo utilizaram sensores com inteligência artificial para oferecer suporte à triagem de maneiras sofisticadas. A empresa de tecnologia chinesa Baidu desenvolveu um sistema de sensor infravermelho sem contato para destacar rapidamente indivíduos com febre, mesmo em multidões. A estação ferroviária de Qinghe, em Pequim, está equipada com esse sistema para identificar indivíduos potencialmente contagiosos, substituindo um complicado processo de triagem manual. Da mesma forma, o Hospital Geral de Tampa, na Flórida, implantou um sistema de IA em colaboração com a Care.ai em suas entradas para interceptar indivíduos com possíveis sintomas do Covid-19 provenientes de pacientes visitantes. Através de câmeras posicionadas nas entradas, a tecnologia realiza uma varredura térmica facial e capta outros sintomas, incluindo suor e descoloração, para afastar os visitantes com febre.

Além da triagem, a IA está sendo usada para monitorar os sintomas do Covid-19, fornecer suporte à decisão para tomografias e automatizar as operações hospitalares. Enquanto isso, o Hospital Zhongnan, na China, usa um intérprete de tomografia computadorizada orientado por IA que identifica o Covid-19 quando os radiologistas não estão disponíveis. O Hospital Wuhan Wuchang da China estabeleceu um hospital de campo inteligente, composto principalmente por robôs. Os sinais vitais dos pacientes foram monitorados usando termômetros conectados e dispositivos semelhantes a pulseiras. Robôs inteligentes entregavam remédios e alimentos aos pacientes, aliviando a exposição do médico ao vírus e facilitando a carga de trabalho dos profissionais de saúde que estavam exaustos. E na Coréia do Sul, o governo lançou um aplicativo que permite que os usuários relatem sintomas, alertando-os se deixarem uma “zona de quarentena” para conter o impacto de “super espalhadores” que, de outra forma, infectariam grandes populações.

Transformação digital 

A disseminação do Covid-19 está ampliando os sistemas operacionais na área da saúde e além. Temos visto escassez de tudo, de máscaras e luvas a ventiladores, e da capacidade de pronto-socorro a leitos de UTIs à velocidade e confiabilidade da conectividade à Internet. A razão é simples e aterradora: nossos sistemas de economia e saúde são voltados para lidar com a demanda linear e incremental, enquanto o vírus cresce a uma taxa exponencial. Nosso sistema nacional de saúde não pode acompanhar esse tipo de demanda explosiva sem a adoção rápida e em larga escala de modelos operacionais digitais.

Enquanto corremos para diminuir a propagação do vírus, podemos otimizar nossos mecanismos de resposta, digitalizando o maior número possível de etapas. Isso ocorre porque os processos tradicionais – aqueles que dependem de pessoas para funcionar no caminho crítico do processamento de sinais – são limitados pela taxa em que podemos treinar, organizar e implantar trabalho humano. Além disso, os processos tradicionais oferecem retornos decrescentes à medida que escalam. Por outro lado, os sistemas digitais podem ser ampliados sem tais restrições, a taxas praticamente infinitas. Os únicos gargalos teóricos são a capacidade de computação e a capacidade de armazenamento – e temos muitos de ambos. Os sistemas digitais podem acompanhar o crescimento exponencial. É importante ressaltar que a IA para cuidados de saúde deve ser equilibrada pelo nível apropriado de conhecimento clínico humano para a tomada de decisão final, para garantir que estamos oferecendo atendimento seguro e de alta qualidade. Em muitos casos, o raciocínio clínico humano e a tomada de decisão não podem ser facilmente substituídos pela IA, mas a IA é um auxílio à decisão que ajuda o ser humano a melhorar a eficácia e a eficiência.

A transformação digital nos cuidados de saúde está avançado ao das indústrias. Nossa resposta ao Covid hoje acelerou a adoção e o dimensionamento de ferramentas virtuais e de IA. Desde os bots de IA implantados pela Providence and Partners HealthCare até o Smart Field Hospital em Wuhan, uma rápida transformação digital está sendo empregada para combater a crescente ameaça ao Covid exponencialmente. Esperamos e antecipamos que, depois que o Covid-19 se estabelecer, teremos transformado a maneira como prestamos assistência médica no futuro.

Fonte INNOVATION

Kelley A. Wittbold, Colleen Carroll, Marco Iansiti, Haipeng Mark Zhang  and Adam B. Landman