Hospitais Proadi SUS
Acessado em 2 de Junho de 2022
Pela primeira vez, o Sistema Único de Saúde (SUS) terá um banco de dados universal para armazenamento e análise de exames realizados em qualquer lugar do país, com capacidade de compartilhamento de 10 mil exames por dia entre as unidades de saúde.
A iniciativa contará, ainda, com um aplicativo que irá digitalizar os exames para a nuvem com redução de custos para o centro diagnóstico e para o SUS.
Denominado Banco de Imagens, o projeto é uma realização do Programa de Apoio ao Desenvolvimento Institucional do SUS (PROADI-SUS), conduzido pelo Hospital Israelita Albert Einstein, em parceria com o Ministério da Saúde.
Já testada, a plataforma está em fase de validação dos algoritmos.
De acordo com o Dr. Pedro Vieira Santana Netto, coordenador médico da plataforma de Inteligência Artificial do Sistema Único de Saúde Brasileiro no Einstein e líder do projeto, atualmente, boa parte das instituições de saúde tendem a deletar os exames realizados, não deixando registros de imagem, somente relatórios de análise, devido a falta de estrutura para o armazenamento de dados.
Para contornar este cenário, nosso grupo de pesquisadores desenvolveu, no último triênio, um modelo que pudesse ser facilmente inserido na rotina de trabalho dos profissionais da saúde, sem burocratizar processos, inclusive reduzindo custos”, conta.
Como primeiro passo, foram treinados algoritmos para lerem raio-X de tórax para os casos de tuberculose, tomografia de crânio para casos de Zika e fotos de pele para melanoma, doenças que trazem desafios assistenciais ao SUS devido a dificuldade no diagnóstico.
Agora, a equipe está realizando parcerias com startups, universidades e unidades de saúde para validar os resultados adquiridos até o momento.
“Além de armazenar, vamos interpretar esses exames e oferecer uma análise por estado, permitindo a extração de dashboards para que o Ministério da Saúde possa tomar medidas de saúde pública baseadas em dados concretos”, afirma Dr. Pedro.
Além das imagens, os algoritmos irão analisar outros fatores como idade, sexo e sociais pertinentes para o diagnóstico.
“Todo o processo é feito de forma muito segura, com preservação dos dados. Somente a equipe médica que está lidando diretamente com o paciente pode acessar suas informações”, reforça o médico.
Após a etapa de validação, que ocorrerá durante o ano de 2022, o projeto começará a ser implementado nas unidades públicas de saúde, em diferentes localidades, avaliando um grande volume de pacientes para buscar dados heterogêneos que representem a realidade do país.
O banco de imagens e os algoritmos oferecem um serviço raramente disponível, não só nos centros de saúde do Brasil, mas de todo o mundo.
“Esse projeto está estruturando no país um ambiente de dados e de inteligência artificial para que a gente possa democratizar a saúde, dar acesso e atendimento de excelência para as pessoas independentemente da região do país”, ressalta.
A iniciativa possibilita o acesso ao diagnóstico de qualidade, redução de custo (por evitar a repetição de exames desnecessários) e acompanhamento do paciente em seu tratamento.
“O dado será acessado em prol do bem comum. Juntos, esses casos não só serão tratados de forma mais eficaz, mas também irão salvar outras vidas, já que a máquina aprenderá com esses casos sobre como lidar com situações futuras”, conclui Dr. Pedro.
Machine Learning em Imagens Médicas: “Plataforma Nacional de Armazenamento e Inteligência Artificial em Imagens Médicas para Pesquisa, Inovação e Suporte à Decisão Clínica”.
Resumo
Imagens médicas são fontes relevantes para a análise e diagnóstico de doenças, e, com o avanço da tecnologia para sua aquisição e armazenamento, elas se tornaram um importante instrumento na gestão da saúde. No entanto, por falta de um protocolo padrão na coleta destes exames, assim como estrutura para armazenamento e acesso de seus dados, boa parte das instituições de saúde — especialmente no SUS — tende a deletar, com o tempo, os exames realizados. Além disso, no Brasil há uma escassez de médicos especialistas (ex. radiologistas e dermatologistas), principalmente em regiões mais precárias, aumentando o tempo de espera até o diagnóstico. Neste contexto, avanços no campo da Inteligência Artificial apresentam-se como promissoras ferramentas aliadas à tomada de decisão diagnóstica.
O projeto Banco de Imagens surgiu para endereçar essa problemática. A iniciativa consiste no desenvolvimento de um banco de dados universal para armazenamento e gestão de exames de imagem realizados no SUS, em qualquer lugar do país. A plataforma foi elaborada para poder ser acessada por qualquer computador ou aparelho celular. Assim, poderá ser facilmente inserida na rotina de trabalho dos profissionais de saúde. A expectativa é que profissionais e pacientes tenham acesso aos exames com a mesma qualidade em todas as regiões do país, permitindo melhor acompanhamento de patologias e da avaliação de resposta ao tratamento. Além disso, a plataforma proverá o uso de soluções baseadas em Inteligência Artificial para suporte à decisão diagnóstica. Estas ferramentas de auxílio ao diagnóstico prometem aumentar a acurácia dos diagnósticos, assim como melhorar o processo de triagem e de detecção precoce de patologias. Além da maior eficiência e efetividade diagnóstica, espera-se a redução de custos para o SUS, assim como menores impactos ambientais por meio da diminuição de exames desnecessários.
Os dados populacionais gerados, em real-time, poderão auxiliar o Ministério da Saúde a conceber políticas estratégicas de saúde pública baseadas em dados concretos e atualizados. Além disso, a plataforma de banco de imagens constitui um ambiente favorável à pesquisa e inovação, permitindo que pesquisadores, startups e demais interessados possam se conectar à base, propiciando o desenvolvimento de novos projetos que favoreçam o SUS.
Introdução
O projeto Banco de Imagens, em seu primeiro triênio (2018–2020) consistiu na criação de um banco de dados universal, na nuvem, para armazenamento, acesso e análises de exames de imagem médica, realizados pelo Sistema Único de Saúde (SUS), em qualquer lugar do país. A iniciativa desenvolveu, ainda, soluções para digitalização de exames para a nuvem. Além disso, como proposta conceitual de um ecossistema de automação diagnóstica, modelos de inteligência artificial foram desenvolvidos para suporte ao diagnóstico de três condições de alto impacto e relevância para o SUS à época da proposta: Síndrome Congênita causada pelo vírus Zika, Melanoma cutâneo e Tuberculose pulmonar, com base em dados de tomografia computacional de crânio, fotos de melanoma e de raio-X de tórax, respectivamente.
Em sua fase atual (triênio 2020–2023), o projeto visa expandir e escalonar a base nacional de imagens médicas, com implementação de uma prova de conceito no Mundo Real em alguns centros de saúde. Alinhado à expansão da plataforma, tornou-se importante o aprimoramento e expansão dos modelos de inteligência artificial desenvolvidos, de forma a ampliar seus casos de uso. Atualmente, o projeto conta com soluções para: segmentação volumétrica de estruturas cerebrais por meio da tomografia computadorizada de cabeça; identificação de afecções pulmonares e classificação de tuberculose pulmonar por raio-x de tórax; e suporte ao diagnóstico de melanoma cutâneo por meio de fotos de pele e imagens dermatoscópicas.
Estes algoritmos estão em fase de validação externa, por meio de estudos científicos de validação clínica em parceria com centros diagnósticos. O propósito desta fase de validação dos algoritmos é avaliar indicadores de desempenho e impacto das soluções no mundo real, assim como realizar adequações e avaliação das necessidades dos centros diagnósticos para uso da tecnologia.
Cabe ressaltar que o Banco de Imagens segue as normas vigentes da Lei Geral de Proteção de Dados (LGPD) e conta com diversas tecnologias de segurança para garantir a integridade e sigilo dos dados.
Métodos
Foram desenvolvidos três modelos de Machine Learning em afecções que foram eleitas como de relevância para o SUS: Zika, melanoma e tuberculose, definidos como desafios assistenciais por representarem três amostras do potencial de impacto da plataforma proposta.
Para uma maior eficiência no uso dos modelos, foi adotado o conceito de service design, que considera atividades de planejamento, conhecimento da infraestrutura, avaliação recursiva do propósito de modelagem e, principalmente, conhecimento técnico de vários especialistas na cadeia de operação em atenção primária e serviços especializados. Para tanto, dados de raio-X de tórax, tomografia computacional de crânio e fotos de melanoma irão constituir um primeiro esboço da base nacional de imagens médicas.
Além das imagens, os algoritmos irão analisar fatores como idade, sexo e sociais pertinentes para o diagnóstico. Todo o processo é feito de forma segura, com preservação dos dados, sendo que apenas a equipe médica que está lidando diretamente com o paciente poderá acessar suas informações.
Após a etapa de validação, que ocorrerá durante o ano de 2022, o projeto começará a ser implementado nas unidades públicas de saúde, em diferentes localidades, avaliando um grande volume de pacientes para buscar dados heterogêneos que representem a realidade do país.
Equipe
Hospital Israelita Albert Einstein
Liderança
Pedro Vieira Santana Netto — Hospital Israelita Albert Einstein, São Paulo, SP
Birajara Soares Machado — Hospital Israelita Albert Einstein, São Paulo, SP —
Equipe
Veja a lista completa na publicação original.
Área Técnica
Secretaria de Atenção à Saúde — SAS-
MS Secretaria de Ciência, Tecnologia e Insumos Estratégicos -SCTIE — MS Secretaria de Vigilância em Saúde — SVS- MS
Este site é uma iniciativa dos Hospitais participantes do Programa de Apoio ao Desenvolvimento
Institucional do Sistema Único de Saúde (PROADI-SUS), do Ministério da Saúde. (Lei complementar n° 187, de 16 de dezembro de 2021)
PROADI-SUS, um desafio do tamanho do nosso país.
Informações referentes ao triênio 2021–2023.
Todos os direitos reservados © 2022
Originally published at http://hospitais.proadi-sus.org.br.
