Inovação em Saúde: o futuro recente

Eduardo Freire Rodrigues

Eduardo Freire Rodrigues

médico e fundador da UpHill

 

Habitualmente, quando pensamos em inovação aplicada à saúde, fantasiamos sobre longínquos cenários de ficção científica, mas a inovação no setor não se limita a novos fármacos, wearables ou outros dispositivos médicos. Pequenas mudanças nos ciclos de cuidados já demonstraram ser efetivas como a redução do tempo entre uma cirurgia e o levante do doente ou a administração imediata de antibióticos e fluídos nos casos de sépsis.

A ciência demonstra, cada vez mais, como diagnosticar com certeza, que intervenções efetivas implementar e como personalizar os melhores tratamento com vista a maximizar o valor da saúde para as pessoas. Simultaneamente, num mundo cada vez mais acelerado, os grandes avanços tecnológicos, como a cloud, a inteligência artificial ou a internet of things chegaram também aos hospitais. Fora deles já há drones a distribuir medicamentos e relógios que podem ajudar na deteção precoce de doenças cardíacas.

Os investimentos em tecnologia de saúde são crescentes e, em 2019, superaram os 3.5 mil milhões de dólares, na Europa. Em termos globais, já existem 37 unicórnios no setor, avaliados num total de 92.1 mil milhões de dólares.

Tecnologia ao lado dos profissionais de saúde

A tecnologia em saúde deve focar-se em facilitar a missão dos profissionais de saúde, pois são eles os agentes de melhoria da prestação de cuidados e o seu repositório de conhecimento. Os esforços tecnológicos devem, por isso, capacitar, desenvolvendo mais fundamentos para a prática médica e reduzindo a incerteza na tomada de decisão.
A medicina envolve processos heurísticos baseados em inputs de sintomas e resultados de exames e observações. Este é um terreno fértil para a inteligência artificial que pode suportar estes algoritmos com níveis cada vez mais elevados de precisão para diagnóstico e prescrição.

Em 2017, foi aprovado um dispositivo médico para auxiliar o diagnóstico de cancro da mama. O software, que combina técnicas de imagiologia com algoritmos de machine-learning, reduziu em 39% os casos de cancro subdiagnosticados. Já em 2019, um estudo retrospectivo realizado no Massachusetts Institute of Technology concluiu que um modelo preditivo de deep learning utilizado para prever o risco de uma mulher vir a ter a doença superou os resultados da abordagem padrão em 4.000 doentes (10%), entre as 40 mil mulheres que participaram no estudo.

Num campo em permanente mudança e onde a atualização dos profissionais é uma demanda constante, a tecnologia representa também uma oportunidade para diminuir a distância entre a evidência científica e a prática assistencial. Tendo em vista melhorar a segurança do doente em cirurgia, foi desenvolvida, na Universidade de Toronto, uma “caixa negra”, semelhante à utilizada nos aviões. Aplicada à prática clínica, permite identificar os erros clínicos mais comuns e, consequentemente, rever o treino dos profissionais. Durante o primeiro ano de utilização, a ferramenta verificou que 84% dos erros identificados ocorria em apenas dois procedimentos.

ler mais