Os avanços na inteligência artificial estão começando a desvendar o enorme potencial do uso da telemetria para coletar e informar dados, assim como recomendar diagnósticos e tratamentos personalizados aos pacientes nos centros de saúde ao redor do mundo. Estudos têm mostrado como inclusive, o aprendizado de máquina pode ser usado para fazer previsões baseadas em mudanças nos sinais contínuos de eletrocardiogramas (ECG).
Resultados promissores foram alcançados nas pesquisas de inteligência artificial (IA) usando dados de telemetria, mas ainda é necessária muita pesquisa computacional, translacional e clínica para trazer estas ferramentas ativamente para os leitos. São necessários especialistas com treinamento multidisciplinar, tão familiarizados com doenças críticas quanto com a aprendizado de máquinas e processamento de sinais.
São necessárias equipes de especialistas que reúnam engenheiros, cientistas da computação e clínicos. Estas equipes de pesquisa precisam de amplo acesso aos dados, vastos recursos computacionais, uma estrutura para implementação proporcionada por um ambiente de saúde incentivado e um ambiente regulatório claro.
São necessários sistemas de software e hardware que possam capturar e armazenar esses dados, e torná-los disponíveis para a pesquisa. O ideal seria que tais ferramentas fossem de código aberto e apoiadas por padrões de dados e protocolos éticos que maximizem o compartilhamento e a colaboração. Esses esforços já estão sendo colocados em prática aos poucos, e o futuro está cada vez mais próximo da nossa realidade.
A inteligência artificial e o aprendizado de máquina podem ser aplicadas à análise de ECG. Os métodos incluem análise da variabilidade da frequência cardíaca, bem como análise morfológica de complexos de ECG por processamento de sinais ou análise de ondas. As aplicações incluem a detecção de arritmias e a previsão de deterioração clínica.
A análise computacional pode ser usada para caracterizar parâmetros do sistema cardiovascular, bem como as interações coração pulmão. As aplicações potenciais incluem monitoramento e previsão do ritmo cardíaco, resposta a fluidos e vários estados de choque.
Os sinais de fotopletismografia (PPG) codificam informações de frequência cardíaca, saturação de oxigênio e fluxo sanguíneo periférico. A análise computacional da PPG serve para produzir classificadores e preditores de estados fisiológicos que podem ser obtidos de forma não invasiva, e sugere maneiras pelas quais a inteligência artificial pode ser aplicada a dispositivos vestíveis em ambientes não hospitalares, incluindo o ambiente doméstico.
Os dados dos registros eletrônicos de saúde podem ser combinados com dados de telemetria de alta frequência para fornecer um contexto clínico importante para melhorar a interpretabilidade do modelo e facilitar a implementação. São necessários modelos de dados que acomodem de forma eficiente dados clínicos e de telemetria para aprendizagem de máquinas e aplicações de inteligência artificial.
A natureza contínua dos dados de telemetria permite a análise computacional das tendências temporais. Isto permite o acompanhamento em tempo real e avisos de deterioração potencial, bem como análises do antes e depois para monitorar a resposta à terapia, a progressão da doença e a recuperação. Os dados de telemetria podem ser monitorados remotamente. Isto permite a supervisão de pacientes a distância, e introduz a perspectiva de monitoramento remoto de pacientes.
Ainda que descrevemos aqui um futuro que tem de ser testado na prática, esta realidade já está muito próxima e sendo colocada em prática aos poucos. Os esforços interdisciplinares e colaborativos de diversos setores da área de saúde, apoiados por ferramentas de código aberto e uma visão direcionada para a solução de problemas clínicos, são capazes de dar uma nova perspectiva às práticas hospitalares na atualidade.
Saiba mais sobre Telemetria e Inteligência Artificial, acesse já o nosso site!
Fonte:
https://link.springer.com/article/10.1007/s00134-020-06295-w