Dave Ryan, Gerente Geral, Negócios de Saúde e Ciências da Vida na Intel – Série de Entrevistas

Dave Ryan lidera a unidade de negócios de Saúde e Ciências da Vida da Intel (INTC ), que se concentra na transformação digital de ponta a ponta para tornar a assistência personalizada e baseada em valor uma realidade. Seus clientes são os fabricantes que constroem instrumentos de ciências da vida, equipamentos médicos, sistemas clínicos, dispositivos de computação e aparelhos usados por centros de pesquisa, hospitais, clínicas, estabelecimentos de cuidados residenciais e lares. Dave já atuou nos conselhos da Divisão de Saúde e Fitness da Consumer Technology Association, da Aliança de Saúde Conectada da HIMSS, da Coalizão Global de Envelhecimento e da Aliança para Cuidados Conectados.  

O que é o Negócio de Saúde e Ciências da Vida da Intel?

O negócio de Saúde e Ciências da Vida da Intel ajuda os clientes a criar soluções nas áreas de imagens médicas, sistemas clínicos e laboratoriais, permitindo assistência distribuída, inteligente e personalizada.

O negócio de Saúde da Intel se concentra na saúde populacional, imagens médicas, sistemas clínicos e infraestrutura digital.

• A Saúde Populacional examina dados de pacientes diversos para fornecer insights aos prestadores de serviços sobre riscos para questões médicas e tratamentos melhorados em coortes. O ML e o AI otimizados ajudam a “estratificar” grupos, para que os pagadores e prestadores de serviços priorizem os pacientes com maior risco.
• As Imagens Médicas (por exemplo, MRI, CT) geram conjuntos de dados enormes que exigem avaliação precisa e sem margem de erro. O HPC e o AI ajudam a digitalizar mais rapidamente os dados de imagem e a identificar fatores críticos para ajudar os radiologistas no diagnóstico.
• Os Sistemas Clínicos usam visão computacional, AI, HPC e computação de ponta para monitoramento de pacientes, cirurgia robótica e telemedicina, entre outros. Esses sistemas inteligentes conciliam dados de fontes diversas para uma visão completa do paciente e um melhor diagnóstico, com flexibilidade e escalabilidade para atender às necessidades organizacionais em constante mudança.
• A Infraestrutura Digital integra muitas tecnologias para permitir abordagens inovadoras de interação com os pacientes, incluindo cuidados em qualquer lugar e a qualquer momento, onde os clínicos colaboram no espaço e no tempo para gerenciar condições, cirurgias e análises.

O negócio de Laboratórios e Ciências da Vida da Intel se concentra em três áreas principais: Análise de Dados, ‘Omics e Farmacêutica.

• A Análise de Dados usa o AI para impulsionar uma cascata de descobertas e insights que ajudam a permitir, entre outras coisas, a medicina personalizada, garantindo que os pacientes recebam os medicamentos mais eficazes para eles e reduzindo o risco de perfis de efeitos colaterais.
• O ‘Omics descreve e quantifica grupos de moléculas biológicas, usando bioinformática e biologia computacional. Os conjuntos de dados maciços envolvidos aqui exigem processamento de alta taxa para obter resultados dentro de prazos razoáveis. Com essa taxa e novos bancos de dados, kits de ferramentas, bibliotecas e otimizações de código, as instituições de ‘Omics podem reduzir o tempo para obter resultados e os custos de desenvolvimento.
• A Farmacêutica é o estudo de medicamentos e como eles interagem com os sistemas biológicos humanos, incluindo em nível molecular, onde a ciência de dados precisa do AI e do ML para ajudar na geração de leads e otimizações, identificação de alvos e pesquisas pré-clínicas. Isso resulta em ensaios clínicos melhores, insights de reações mais inteligentes e descoberta de novos medicamentos mais rápida.

Quando você pessoalmente começou a se interessar pelo uso do AI para o benefício da saúde?

A proliferação do AI em muitas indústrias tem sido, em grande parte, sobre a automação de tarefas rotineiramente realizadas por humanos. Na saúde, o AI se tornou uma ferramenta por meio da qual assistimos ou ajudamos, e não substituímos, a expertise humana existente para entregar abordagens verdadeiramente transformadoras para diagnóstico e tratamento. E em nenhum lugar isso é mais claro do que nas imagens médicas, em que o volume e a complexidade dos dados são, ao mesmo tempo, barreira e oportunidade. Hoje, o AI e a inferência, em particular, são capazes de realizar varreduras mais rápidas e detalhadas de vastos conjuntos de informações do que qualquer humano e, ao fazer isso, não apenas revelam insights anteriormente ocultos, mas também maximizam o tempo valioso do radiologista para alcançar uma conclusão diagnóstica melhor e para mais pacientes. Por exemplo, soluções de AI dos clientes ajudam os radiologistas analisando dados em radiografias que podem indicar a presença de um pulmão colapsado (pneumotórax) ou COVID. Isso é um feito verdadeiramente notável que está revolucionando a eficácia das próprias imagens médicas e como a expertise humana é aplicada. Testemunhar esse tipo de transformação nesse campo naturalmente motiva a buscar o próximo grande salto em outras áreas de saúde e ciências da vida onde o homem e a máquina se combinam para produzir um novo todo muito maior do que a soma das partes. Levar isso um passo adiante é a ideia de que o AI pode democratizar o conhecimento em disciplinas de cuidados e fazer com que a expertise humana e a nuances baseadas em experiência sejam ainda mais longe, elevando o nível de qualidade.

Quão importante é o AI para analisar grandes dados em um ambiente clínico?

As indústrias de Saúde e Ciências da Vida geram mais dados com maior complexidade do que qualquer outra indústria no mundo hoje. E, ao contrário de outras indústrias, gerenciar e analisar esses dados de forma eficaz é uma questão de vida e morte. Dada essas magnitudes, o AI agora é um facilitador indispensável de uma série de necessidades, tanto mundanas quanto inovadoras, tanto nos ambientes clínicos quanto laboratoriais para atender ao Triplo Objetivo da indústria: Melhorar a qualidade e o acesso aos cuidados, enquanto reduz os custos.

Por exemplo, os registros eletrônicos de saúde (EHR) permitiram uma revolução digital na qualidade e eficiência da entrega de cuidados. Infelizmente, dentro desses registros, há uma mistura confusa de dados não estruturados e estruturados que o AI pode ajudar a digitalizar em conjuntos de dados mais unificados e úteis. O reconhecimento óptico de caracteres (OCR) e o processamento de linguagem natural (NLP) são apenas dois modelos habilitados pelo AI que podem converter os análogos da escrita manual e da voz em dados de EHR. E, uma vez digitalizados, o AI pode ser aplicado a esses conjuntos de dados em muitos casos de uso emocionais.

Em outros casos, os dados capturados de dispositivos médicos e câmeras estão crescendo e, quando combinados com a história do paciente, as análises podem ajudar a impulsionar novos insights para personalizar ainda mais o tratamento. Em nível de censo, muitos hospitais já implantaram algoritmos que podem prever o início de sepse para uma intervenção mais rápida e, nas UTIs, o software pode combinar dados de vários dispositivos isolados para criar uma imagem impressionantemente completa do paciente em quase tempo real. Com o tempo, todos esses dados capturados e armazenados também podem ser analisados para melhorar as previsões no futuro.

Quais são alguns dos casos de uso mais notáveis que você está vendo para o aprendizado de máquina analisar esses dados?

Como mencionado anteriormente, as ferramentas de NLP podem ajudar a substituir a escrita ou a entrada de dados manuais para gerar novos documentos, como resumos de visitas de pacientes e notas clínicas detalhadas. Isso permite que os clínicos atendam mais pacientes e que os prestadores de serviços melhorem a documentação, o fluxo de trabalho e a precisão da faturação, inserindo pedidos e documentação mais cedo no dia.

De forma mais ampla, as análises habilitadas pelo AI ajudam os prestadores de serviços a entender e gerenciar uma ampla gama de aplicações clínicas que melhoram a eficiência e reduzem os custos. Isso permite que os hospitais gerenciem melhor os recursos e afinem as melhores práticas e que as equipes de cuidados colaborem nos diagnósticos e coordene os tratamentos e os cuidados que fornecem aos pacientes.

Os clínicos podem analisar para detectar anormalidades específicas usando abordagens de ML apropriadas e filtrar informações estruturadas de outros dados brutos. Isso pode levar a diagnósticos mais rápidos e precisos e tratamentos ótimos. Por exemplo, os algoritmos de ML podem converter o sistema de diagnóstico de imagens médicas em tomada de decisão automatizada, convertendo imagens em texto legível por máquina. As técnicas de ML e reconhecimento de padrões também podem extrair insights de volumes maciços de dados de imagens clínicas, inadministráveis por humanos, para transformar o diagnóstico, tratamento e monitoramento de pacientes.

Para avaliar e gerenciar a saúde populacional, os algoritmos de ML podem ajudar a prever trajetórias de risco futuras, identificar os principais fatores de risco e fornecer soluções para os melhores resultados. Os módulos de aprendizado profundo integrados às tecnologias de AI permitem que os pesquisadores interpretem conjuntos de dados genômicos complexos, para prever tipos específicos de câncer (com base nos perfis de expressão gênica obtidos de vários conjuntos de dados grandes) e identificar vários alvos de medicamentos.

Poderia elaborar sobre como a Intel está colaborando com a comunidade de genômica para transformar grandes conjuntos de dados em insights biomédicos que aceleram os cuidados personalizados?

A medicina personalizada fornece fontes de dados de saúde individuais que permitem uma melhor seleção de alvos de doenças e a identificação de populações de pacientes que demonstram resultados clínicos melhorados para abordagens preventivas e terapêuticas novas.

A genômica é a pedra angular da medicina personalizada. Ela fornece o plano de como somos e por que e como somos únicos, o que é fundamental para que os prestadores de serviços entendam ao combinar essas informações com outros dados (imagens, química clínica, histórico médico, dados de coortes, etc.). Os clínicos usam essas informações para desenvolver e entregar tratamentos personalizados para os pacientes que são de menor risco e mais eficazes.

A Intel está colaborando com a comunidade de genômica, otimizando as ferramentas de análise genética mais comumente usadas na indústria para funcionar melhor e em plataformas e processadores baseados em arquitetura da Intel. Por exemplo, a otimização do software de variante genético da Broad Institute, o Genomic Analysis Toolkit (GATK), no hardware da Intel usando o OpenVINO para facilitar o desenvolvimento, depuração e implantação escalável de modelos de AI, destaca nosso impacto e compromisso com essa indústria. A ferramenta GATK fornece benefícios para a pesquisa biomédica, como o Genomics DB, que armazena arquivos de cerca de 200 GB (tamanho típico para conjuntos de dados genômicos) e a Biblioteca do Kernel do Genoma, que executa AVX512, aproveitando as instruções específicas de hardware da arquitetura da Intel para acelerar as cargas de trabalho genômicas e a utilização de AI.

Acelerar a velocidade e reduzir o custo da análise genômica, mantendo a precisão da análise, continua a ser convincente para os pesquisadores biomédicos e de outras ciências da vida que usam soluções de computação da Intel para descobrir e aproveitar novos insights médicos.

Poderia discutir por que você acredita que a saúde remota é tão importante?

A indústria de saúde tem trabalhado em várias formas e aspectos de cuidados remotos por muitos anos. Os motivos para isso foram, até recentemente, uma crença intuitiva e esperada de que os cuidados remotos possam ser, para muitas situações de entrega de cuidados, tão bons quanto ou melhores do que os modelos clínicos tradicionais. Agora, impulsionada pela crise da pandemia e seu impacto, os sistemas de entrega de cuidados de saúde em todo o mundo são forçados a adotar a telemedicina ou colapsar. Essa adoção repentina está provando que essas crenças de longa data são verdadeiras e que os cuidados à distância são vitais e altamente viáveis.

Os cuidados remotos têm muitos benefícios. A satisfação e o confort do paciente com a entrega de cuidados de telemedicina estão aumentando rapidamente. Eles podem permanecer mais calmos e à vontade em casa, com menos interrupção e impacto de tempo/agendamento. Os prestadores de serviços gostam disso porque permite que eles atendam mais pacientes e gerenciem melhor seu próprio tempo e aloquem melhor os recursos clínicos escassos. E, claro, o que se tornou a razão mais clara e convincente nos últimos meses para todos é a capacidade inerente dos cuidados remotos de limitar a propagação e a necessidade de contato pessoal, quando uma conversa por vídeo com telemetria de dispositivo e computação pode realizar a maioria das tarefas de entrega de cuidados tão bem quanto.

Poderia discutir algumas das tecnologias atualmente usadas para o monitoramento remoto de pacientes?

Há vários elementos tecnológicos críticos. O mais importante é a facilidade de uso para o paciente, seguido rapidamente pela segurança e privacidade dos dados e pela robustez do aplicativo e dos dados que ele captura. Por exemplo, precisamos evitar que um usuário exclua um aplicativo de monitoramento do seu iPad por acidente.

Outro aspecto crítico para um prestador de serviços que implanta em vários pacientes é o gerenciamento de frota e a capacidade de enviar atualizações ou suporte técnico pela linha e personalizados para cada usuário ou coorte de usuários. Isso requer:

• padronização da troca de dados e privacidade com padrões da indústria, como FHIR e Continua;
• plataforma de computação segura e eficiente em termos de energia para orquestrar os dados e comunicá-los de volta ao clínico, incluindo software e criptografia apropriados;
• conectividade por meio de uma rede celular para tornar os dispositivos do usuário autônomos e não dependentes do Wi-Fi em casa, que pode ser pouco confiável ou até mesmo inexistente;
• armazenamento em nuvem e análise no backend.

Além disso, a capacidade de coletar e agregar os dados que fluem dos usuários é fundamental para permitir que os clínicos monitorem os pacientes e forneçam suporte e para que o software e as análises informem as equipes de cuidados de um estado nominal ou iniciem uma notificação de alarme para resultados fora da tolerância.

Acreditamos que o AI desempenhará um papel muito maior no monitoramento de pacientes em frente, melhorando a experiência do paciente por meio de pesquisas de voz naturais (“Como você está se sentindo hoje?”, “Sua pressão arterial parece um pouco alta”) e permitindo que as equipes de cuidados entendam melhor a saúde do paciente e identifiquem tratamentos apropriados. Por meio do uso de modelos de AI, o gerenciamento da saúde populacional também progredirá, com todos os dados do paciente se tornando parte de conjuntos de dados cada vez maiores, o que melhora a precisão de um modelo de aprendizado iterativo. Isso é essencial para o monitoramento remoto em escala.

Quais são alguns dos problemas que precisam ser superados para aumentar a taxa de sucesso dos cuidados de saúde remotos?

Muitos dos mesmos problemas que afetam nosso sistema atual de entrega de cuidados tradicionais também são fatores que melhoram ou inibem o sucesso dos cuidados remotos. Isso inclui crenças e estigmas sociais em torno da saúde, ou barreiras socioeconômicas decorrentes da falta de seguro, fluência tecnológica, dispositivos necessários e conectividade. Os silos de dados impedem a maximização do valor que os conjuntos de dados compartilhados maiores poderiam produzir, especialmente agora que nossa capacidade de aproveitar os programas de aprendizado está realmente emergindo.

Mas há desafios que são exclusivos dos cuidados remotos:

• questões de política e pagamento, embora muito melhoradas recentemente, devem continuar seu momentum positivo para expandir com restrições relaxadas sobre o que é permitido e reembolsável por meio da modalidade de cuidados remotos;
• desafios financeiros e falta de capital para investir em tecnologia na saúde exigem uma conversão de um modelo de CapEx para um modelo de OpEx. Em vez de investir em instalações e equipamentos de CapEx, os prestadores de serviços podem mudar para um modelo “pague conforme você vai”, dispensando a necessidade de muita infraestrutura fixa e, como o serviço de telefone, pagando pelos minutos (ou dados) usados;
• a experiência do usuário, tanto para o paciente quanto para o prestador de serviços, deve continuar a melhorar, eventualmente para o ponto em que a tecnologia some ao fundo e as capacidades são intuitivas e transparentes e o processo é convincente com resultados e estruturas de custo equivalentes ou melhores.

Em última análise, queremos que a tecnologia apoie a entrega de cuidados, não atrapalhe. Se formos bem-sucedidos (e acreditamos que somos e seremos), então a tecnologia realmente permitirá uma ponte para o melhor modelo de entrega de cuidados remotos de amanhã, fazendo o melhor caso possível para a normalização dos cuidados remotos como padrão de entrega de cuidados.

Obrigado pela fantástica entrevista, gostei de aprender mais sobre os esforços de saúde da Intel. Os leitores que desejam aprender mais devem visitar o negócio de Saúde Global e Ciências da Vida da Intel.