O objetivo é facilitar a detecção da doença, ampliar o diagnóstico precoce e transformar a gestão das condições médicas no futuro
Um projeto conjunto entre Einstein e Siemens busca desenvolver um protótipo capaz de oferecer suporte decisivo aos radiologistas e neurologistas no auxílio da identificação da esclerose múltipla. A iniciativa, em vigor há cerca de três meses, deverá possibilitar o encaminhamento do paciente para tratamento adequado já nos primeiros estágios da doença.
A esclerose múltipla é uma condição neurológica crônica causada por inflamação e degeneração nos neurônios do sistema nervoso central. No Brasil, há cerca de 40 mil casos, uma média de 15 casos por 100.000 habitantes, de acordo com a Federação Internacional de Esclerose Múltipla e Organização Mundial da Saúde. A doença não tem cura e geralmente afeta pessoas jovens, principalmente mulheres, com idades entre 20 e 40 anos. O tratamento consiste em atenuar os sintomas e retardar a progressão da doença, tornando a detecção precoce um fator fundamental.
Com duração prevista de catorze meses, a iniciativa foca no desenvolvimento de um modelo de inteligência artificial multimodal que integra dados de diversas fontes, incluindo imagens de ressonância magnética, laudos radiológicos e informações clínicas dos prontuários eletrônicos. A ferramenta irá gerar uma pontuação probabilística da doença, que auxiliará os médicos a identificar precocemente potenciais casos de esclerose múltipla.
Neste projeto as organizações estão utilizando aprendizado de máquina multimodal, em que dados de diferentes modalidades são combinados antes de serem usados no treinamento de modelos de inteligência artificial. O processo é semelhante ao método dos médicos, que utilizam informações de diversas fontes e modalidades antes de oferecer um diagnóstico. Após receber a aprovação ética, bases de dados pré-existentes do Einstein e outras bases abertas serão utilizadas, garantindo a diversidade e a qualidade dos dados para o treinamento do modelo.
“Este projeto incorpora o uso avançado de inteligência artificial para revolucionar a abordagem à medicina preventiva e diagnóstica, especialmente em doenças complexas como a esclerose múltipla,” explica Gilberto Szarf, gerente de Pesquisa, Inovação e Novos Negócios do Departamento de Diagnóstico por Imagem do Einstein. “Ao aprimorar a precisão e a velocidade da detecção da doença, estamos não só antecipando o início dos tratamentos, mas também democratizando o acesso à saúde de alta qualidade. Isso representa um benefício imenso para os pacientes e estabelece um novo padrão para o setor de saúde”, complementa Rodrigo Demarch, diretor executivo de Inovação do Einstein.
Além da inteligência artificial, uma interface desenvolvida permitirá a importação de dados manuais e a geração de relatórios detalhados, facilitando a tomada de decisões clínicas pelos neurologistas. O Einstein será responsável por testar todas as funcionalidades da solução de software dentro do ambiente institucional, assegurando que a ferramenta seja altamente eficaz e segura.
“A iniciativa entre a Siemens e o Einstein visa integrar soluções de ponta em inteligência artificial e análise de dados para aprimorar diagnósticos e tratamentos médicos, tornando-os mais precisos e eficazes. A colaboração é um modelo do que podemos alcançar quando combinamos expertise médica com inovação tecnológica”, afirma Patrick de Faria, Head R&D LAM da Siemens.
Desde 2017, a Inovação do Einstein cria soluções de software personalizadas e de alto impacto para o sistema de saúde, com o compromisso de agregar valor aos seus parceiros e ao ecossistema de saúde.
Também com a Siemens, em 2019, foi desenvolvido o “Clinical Auto Coding”, um software que utiliza processamento de linguagem natural e aprendizado de máquina para referenciar automaticamente os códigos da CID-10 com base em dados clínicos de pacientes, especialmente em oncologia. O objetivo foi reduzir erros, custos e aumentar a eficiência do processo, tradicionalmente manual e suscetível a falhas. O projeto abrange os 50 domínios de CID mais frequentes na área de oncologia.
