Entrega de dados em tempo real no monitoramento remoto de pacientes
David Ebert, diretor de IA e ciência de dados da Universidade do Arizonatambém usa o termo “visão geral” para descrever o que a IA e os wearables podem fazer pelo RPM. O verdadeiro poder, diz ele, vem das capacidades de processamento incorporadas nos dispositivos vestíveis e implantáveis de hoje.
Há alguns anos, um paciente com marca-passo precisava de um monitor doméstico personalizado. Os marcapassos agora possuem sensores Bluetooth que se conectam a smartphones, coletam dados e enviam notificações para a equipe de atendimento do paciente.
“Estamos aproveitando os recursos que as pessoas trazem consigo em um chip”, diz Ebert. “Podemos fazer aprendizado de máquina e análises preditivas no dispositivo.”
Existem duas chaves para fazer isso funcionar. Um deles é o foco contínuo na eficácia dos modelos de IA. A compactação de dados economizará largura de banda e a capacidade de “extração de sinal” tornará a saída do dispositivo mais valiosa para os médicos que não têm tempo para analisar os dados brutos.
“Não queremos que os modelos de IA esgotem a bateria ou demorem muito para serem processados”, diz Ebert. “Não queremos ter desafios de largura de banda que exacerbem a exclusão digital.”
O outro passo importante é a integração dos fluxos de dados e informações dos dispositivos em registos de saúde electrónicos e sistemas de alerta clínico. Caso contrário, observa ele, as clínicas necessitarão de equipamento adicional e de fundos necessários para a sua instalação.
DESCOBRIR: Aqui estão as tendências em tecnologia wearable que estão moldando a saúde.
Como implantar e dimensionar RPM com IA e wearables
Mahajan diz que a fácil integração é importante. “As decisões que tendem a ser eficazes e adotadas da maneira mais tranquila possível não criam trabalho desnecessário para os médicos”.
Fazer isso da maneira certa pode exigir pipelines de ingestão de dados atualizados que possam lidar com fluxos de dados de alta frequência, observa Mahajan, juntamente com ferramentas que normalizem os dados à medida que são agregados. “As organizações precisam passar de sistemas construídos para episódios para sistemas construídos para dados contínuos”, diz ele.
Ebert diz que outra consideração é usar dispositivos que evoluíram a partir de interfaces de programação de aplicativos para interfaces de IA de agente. Dessa forma, os dispositivos podem ser implantados, monitorados e atualizados usando software em vez de hardware especializado, que acarreta custos iniciais e a necessidade de habilidades especializadas que são uma barreira para a adoção. “Esta é uma mudança de jogo para os hospitais rurais”, diz ele.
Outro obstáculo comum, diz Mahajan, é o modelo previsível de utilização única ou a ferramenta de apoio à decisão clínica: “Os sistemas de saúde não querem utilizar 100 ferramentas diferentes. Estão à procura de plataformas ou sistemas.”
É claro que também existe a preocupação de que os modelos de IA substituam os médicos. Isso não é um problema para o Dr. Sairam Parthasarathy, diretor do Centro de Sono e Ciências Circadianas da Universidade do Arizona.
Os fornecedores licenciados são poucos e raros, diz ele, e “há tantas pessoas que precisam da nossa ajuda. As pessoas não deveriam ficar doentes antes de lhes darmos conselhos de saúde”, e os dados dos wearables e as percepções dos modelos de IA podem garantir que isso não aconteça.
