Conteúdo


Construindo wearables mais inteligentes para assistência médica, Parte 1

Examinando como a assistência médica pode se beneficiar de wearables e computação cognitiva

Comments

Conteúdos da série:

Esse conteúdo é a parte # de # na série: Construindo wearables mais inteligentes para assistência médica, Parte 1

Fique ligado em conteúdos adicionais dessa série.

Esse conteúdo é parte da série:Construindo wearables mais inteligentes para assistência médica, Parte 1

Fique ligado em conteúdos adicionais dessa série.

Wearables e assistência médica

Uma das principais tendências entre desenvolvedores de hardware é o desenvolvimento de pequenos sensores de wearable, ou wearables, especificamente para coletar dados de funcionamento e estilo de vida. Esta tendência inclui tudo, desde simples dispositivos como o Fitbit, até dispositivos Lab-on-a-Chip mais sofisticados que medem tudo, desde níveis de açúcar e hormônio no sangue até proteínas complexas.

Infelizmente, a maioria destes dispositivos gera dados que são pouco utilizados. Ou o usuário não pode derivar nada além de métricas simples a partir dos dispositivos, tal como contagem de passos, ou os dados simplesmente não estão acessíveis aos usuários. Esta subutilização geralmente ocorre porque muitos desenvolveres de hardware não podem propiciar o desenvolvimento dos recursos de big data necessários para gerenciar todos esses dados ou os recursos de análise necessários para derivar informações úteis dos wearables.

Serviços como a API do IBM Watson, no entanto, fornecem aos desenvolvedores a capacidade de oferecer informações valiosas para seus usuários que usam wearables, sem precisar criar suas próprias ofertas de PaaS. Com a ajuda do Watson, desenvolvedores podem criar soluções que combinam e comparam dados, localizam padrões e buscam tendências nesses dados, e até mesmo aprender sobre os pacientes que estão usando os wearables.

Para este artigo, eu defino wearables como um dispositivo com capacidade de processo central e sensores que são projetados para fornecer serviços ao usuário com a mínima quantidade de interação com o usuário possível para um tarefa ou necessidade específicas. Portanto, embora um smartphone possa ser levado em seu braço como um sensor fitness portátil, ele não foi projetado para isso. Portanto, requer muita interação para realizar tarefas como download de um aplicativo, ativação do aplicativo e, então, amarrar o dispositivo em seu braço de uma maneira geralmente desajeitada. Portanto, um smartphone pode ser usado, mas não é um wearable. Um bom exemplo é algo como um dispositivo Fitbit, que foi projetado para ajudar um usuário a controlar seus passos ou atividade com a ideia de promover comportamentos mais saudáveis. Mantendo esta definição em mente, os wearables oferecem uma grande quantidade de recursos potenciais dentro da assistência médica se as informações e dados criados por estes dispositivos podem se transformar em inteligência acionável e insights.

A lacuna da análise

O Mi Band, o Fitbit e outros wearables podem coletar vários dados sobre um usuário. No entanto, dados tais como quantos passos você dá em um dia, independentemente da frequência ou precisão, tem pouca correlação real entre boa forma e saúde sem que se possa contextualizar esses dados. Contextualização significa comparar sua atividade com sua idade, sexo, peso e saúde geral. Por exemplo, se você tem 20 anos e boa saúde, dar 700 passos por dia não é particularmente ativo para sua demografia. Mas, se você tem 80 e está se recuperando de uma cirurgia no joelho, é uma quantidade impressionante de atividade. A maioria dos sensores de atividade em wearables não é útil: os acelerômetros e magnetômetros não são precisos, eles não conseguem diferenciar entre atividades como caminhada e treinamento de força, e geralmente são terríveis na contagem de calorias. Além disso, com poder computacional e dados suficientes, é possível tornar dados como os destes wearables muito mais relevantes que uma ferramenta de monitoramento de saúde e boa forma pessoal.

Tirando vantagem de APIs do Watson

O Watson da IBM oferece aos desenvolvedores de wearables um supercomputador sofisticado e um sistema computacional cognitivo como um serviço. Este serviço permite que desenvolvedores astutos projetem e desenvolvam rapidamente aplicativos que possam combinar dados que um usuário fornece sobre peso, dieta, saúde e muito mais. Por exemplo, os dados podem ser coletados a partir de seus sensores de atividade e potencialmente de outras fontes de dados, tais como monitores de sono, monitores de glicose, uma escala conectada à Internet e até mesmo seus registros médicos eletrônicos. As APIs do Watson podem até mesmo ajudar a combinar estes dados de modo mais inteligente, mas o mais importante, eles podem derivar informações significativas de seus dados. Por exemplo, um Fitbit oferece visualização de dados como aquela mostrada em Figura 1, o que não é tão útil assim.

Figura 1. Exemplo da classificação de análise visual de Fitbit
Example of the sort of visual analytics from Fitbit
Example of the sort of visual analytics from Fitbit

Combinando dados de wearables com dados de saúde pessoais

Para tornar dados de wearables mais úteis, é necessário não apenas analisar os dados de um usuário a partir de seu wearable, mas também combiná-los com seus dados de saúde pessoais. É possível contextualizar estes dados combinados ainda mais com dados semelhantes de outras pessoas com métricas semelhantes, fornecendo, assim, uma análise estatística significativa.

Por exemplo, em Figura 2 é possível ver um exemplo de Watson combinando dados de wearable de um paciente com seus registros médicos eletrônicos e, em seguida, comparando-os com pacientes com critérios semelhantes. Neste caso, o objetivo é ter uma ideia do risco do paciente de doenças do coração seguindo os Critérios de Framingham, que é uma metodologia usada por médicos para avaliar o risco de insuficiência cardíaca. Leia o documento integral, "Análise de Intervenção Interativa", apresentado por David Gotz e Krist Wongsuphasawat no Simpósio Anual da American Medical Informatics Association em 2012. (Consulte Recursos para obter mais informações).

Figura 2. Um exemplo de visualização gerada pelo Watson de dados do paciente comparados com pacientes semelhantes. Esta imagem foi extraída deste relatório: "Análise de Intervenção Interativa" por David Gotz e Krist Wongsuphasawat. Simpósio Anual da American Medical Informatics Association (AMIA), Chicago, IL (2012).
An example of Watson generated visualization of patient data                     compared to similar patients
An example of Watson generated visualization of patient data compared to similar patients

Como o Watson possui um design aberto como uma plataforma com APIs RESTful simples, os desenvolvedores podem obter dados de sensores populares e a partir de sites que armazenam a análise de DNA de um usuário. Eles podem acessar sites nos quais os usuário inserem suas informações sobre dieta, ou seus registros médicos, e até mesmo obter dados dos conjuntos de dados atualizados do Instituto Nacional de Saúde. Comparando esses dados com base em quantas vezes os usuários estão ativos, o tipo de suas atividade, onde eles moram e mudanças em seus pesos, abre a porta para análise estatística mais avançada, além da simples regressão.

Os desenvolvedores podem criar aplicativos que ajudam os usuários a entender seu bem-estar básico e diagnosticar problemas médicos. Estes apps também podem, potencialmente, prever futuros problemas médicos com base em indicadores antigos de doenças. Os apps podem até mesmo recomendar que eles consultem um especialista e tenham testes específicos feitos com base na análise. Os criadores de política e oficiais de saúde pública também podem se beneficiar de apps como este, pois os apps podem reconhecer deflagrações de doenças e até mesmo potenciais aumentos na doença, antes que problemas maiores surjam. As plataformas computacionais cognitivas, como Watson, podem ajudar desenvolvedores a preencher a lacuna de análise e permitem que wearables passem de simples dispositivos que coletam dados simples para plataformas potencialmente revolucionárias para entendimento boa forma e bem-estar geral.

O movimento "Autoquantificado" e a computação cognitiva

Wearables tem sido em grande parte orientados pelo movimento Autoquantificado, o qual foca nas pessoas que usam tecnologia para monitorar a si mesmas para ter um maior entendimento de sua saúde e bem-estar pessoal. Infelizmente, poucos usuários tem conseguido de fato se beneficiar das ofertas de ferramentas de hardware e software atuais, devido à lacuna analítica mencionada anteriormente. Esta lacuna fez com que o movimento Autoquantificado fosse quase completamente dominado por um pequeno grupo de indivíduos altamente técnicos que possuem os recursos e capacidades para extrair informações pessoais úteis de seus wearables. As ferramentas precisam estar aptas a ajudar usuários que não são cientistas de dados treinados ou médicos a localizar valores discrepantes e tendências específicos de sua saúde individual. Os usuários também precisam de ferramentas que possam entender ou "aprender" sobre eles mesmos e guiá-los até seus objetivos de saúde e boa forma.

Atualmente, uma plataforma como esta não está disponível para os usuários, em parte porque ela requer um nível de inteligência difícil de desenvolver em ferramentas de software. No entanto, o IBM Watson é uma plataforma computacional cognitiva que oferece as bases para ajudar a criar esta nova espécie de ferramentas. Por exemplo, o serviço de Pergunta e Resposta ligado aos serviços de Texto para Fala e de Língua Natural pode permitir que as pessoas gerenciem, explorem e entendam melhor seu próprio bem-estar sem precisar ter um entendimento sofisticado de estatísticas, biologia, fisiologia e tecnologia. Com o Watson, é possível criar aplicativos cognitivos para wearables que transformarão de fato o movimento Autoquantificado de um domínio da elite tecnológica em um movimento de bem estar e saúde para as massas.

Aplicativos portáteis e de computação cognitiva ajudarão a entregar dois benefícios principais do movimento Autoquantificado: atendimento centralizado no paciente e um sistema de assistência médica mais eficiente e efetivo.

Atendimento centralizado no paciente

Informações sobre sua saúde e bem-estar até mesmo das plataformas de computador mais sofisticadas não podem substituir médicos ou especialistas em assistência médica dedicados de nenhuma maneira. Desenvolvedores de wearable precisam considerar como seus dispositivos e plataformas de software associadas podem ajudar pessoas a colaborarem com seus provedores de assistência médica para desenvolver uma forma de assistência médica mais aberta e colaborativa, que comumente é referida como atendimento centralizado no paciente.

No atendimento centralizado no paciente, provedores de assistência médica colaboram com pacientes para ajudá-los a fazer não somente escolhas informadas, mas escolhas que sejam melhor para sua circunstância e situação particular. Com este novo modelo de assistência colaborativa, os desenvolvedores de wearables de assistência médica podem fornecer uma função crítica, tornando seus dispositivos e ferramentas seguramente acessíveis aos provedores de assistência médica de um paciente em formatos que os provedores usam regularmente. Além disso, desenvolvedores de wearable podem criar interfaces e serviços que são projetados especificamente para permitir que paciente e médico explorem os dados do paciente e os detalhem. Estes serviços podem fornecer ao usuário principal uma ferramenta importante para monitorar sua saúde. Além disso, eles podem fornecer aos assistentes médicos um método para monitorar de modo mais eficiente a saúde dos pacientes e colaborar com seus pacientes e outros assistentes médicos.

Neste ambiente voltado ao paciente, pacientes podem chegar e sentar com seus provedores de assistência médica e conversar com eles sobre seus problemas. Em seguida, juntamente com seu médico, eles podem revisar seus registros médicos juntamente com seus dados do wearable. O sistema pode resumir os registros médicos do paciente junto com dados recentes, apontando possíveis valores discrepantes ao médico, que podem requerer maior análise. O médico pode, então, analisar esses valores discrepantes com seu paciente, recorrendo a testes ou registros médicos passados. O médico pode até mesmo comparar dados de wearable recentes com dados passados para ajudar os pacientes a entender a análise ou o prognóstico do médico.

Ainda mais interessante, desenvolvedores da plataforma wearable podem incluir recursos de modelagem preditiva para o médico mostrar ao seu paciente resultados prováveis de vários tratamentos, terapias ou regimes. Por exemplo, um médico pode fazer com que o sistema mostre ao paciente o resultado que uma mudança de exercício e dieta modesta causaria em sua saúde, com base em seu caso médico específico agregado a outros casos médicos como o dele. Dispositivos portáteis podem ajudar provedores de assistência médica a tomar melhores decisões mais rápido, permitindo que eles forneçam melhor serviço para mais pacientes.

Um sistema de assistência médica mais eficiente e efetivo

Atualmente, a comunidade médica está sobrecarregada por pacientes e dados. Muitos médicos estão gastando somente 15-30 minutos com novos pacientes, onde eles devem avaliar rapidamente o histórico médico, geralmente fornecido verbalmente, e fazer um diagnóstico. O resultado, de acordo com alguns estudos, são 12 milhões de diagnósticos errados por ano somente nos Estados Unidos. Este problema é exacerbado por registros médicos insatisfatórios e, geralmente, testes de laboratório de baixa fidelidade e baixa frequência que muitas vezes não são nem mesmo digitalizados, resultando em médicos frequentemente fazendo suposições informadas. Dispositivos portáteis e aplicativos cognitivos podem fundamentalmente mudar o modo como os médicos diagnosticam pacientes, fornecendo melhor qualidade de análise, ajudando a recomendar tratamentos e fornecendo dados de maior qualidade e com maior frequência.

Com esta solução de computação cognitiva, médicos podem revisar registros de paciente, tocar em fluxos de dados do sensor para obter visualizações mais claras do que realmente está ocorrendo com um paciente. E, os médicos se beneficiariam muito dos recursos de análise e suporte à decisão de uma plataforma computacional cognitiva como Watson.

A próxima geração de provedores de dispositivo de wearable pode até mesmo criar notificações para provedores de assistência médica que podem permitir que médicos criem regras para notificá-los quando determinadas condições são atendidas. Os médicos podem acompanhar remotamente consultando diretamente os dados de um paciente sem precisar se encontrar com o paciente. Este aprimoramento seria extremamente poderoso, permitindo que provedores de assistência médica testem várias hipóteses e as valide em tempo real fora de um laboratório. Este cenário é algo que é possível e prático atualmente somente em estudos médicos ou científicos. Mas, com wearables e computação cognitiva, os médicos podem gerenciar números maiores de pacientes, com visibilidade mais clara de sua saúde, enquanto usa melhor os dados, e enquanto reduz o potencial para erros trágicos e diagnósticos errados.

Conclusão

Neste artigo, examinamos brevemente como plataformas computacionais cognitivas como o IBM Watson podem ajudar a antecipar uma nova geração de wearables que permitem que desenvolvedores capacitem melhor a análise, a interação com o usuário e o atendimento centralizado no paciente. Também examinamos como tirar vantagem de wearables para combinar big data, dados do usuário de histórico e dados do sensor para serem usados para diagnosticar com mais precisão doenças, além de prever doenças. Finalmente, examinamos como aplicativos cognitivos combinados com sensores de wearable podem ajudar médicos no gerenciamento de suas cargas de trabalho, reduzindo diagnósticos incorretos e fornecendo a eles uma importante ferramenta para entender a saúde de seus pacientes em tempo real.

No próximo artigo nesta série, "Projetando aplicativos cognitivos que aproveitam os serviços do Watson", eu examino como você pode projetar um aplicativo cognitivo que usa IBM Watson para sensores de wearable.


Recursos para download


Temas relacionados


Comentários

Acesse ou registre-se para adicionar e acompanhar os comentários.

static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=80
Zone=Cognitive computing, Internet of Things
ArticleID=1015744
ArticleTitle=Construindo wearables mais inteligentes para assistência médica, Parte 1: Examinando como a assistência médica pode se beneficiar de wearables e computação cognitiva
publish-date=09252015