Pediátrica tiro na lua

Esta é a palestra de abertura do PEDS2040 em 2023, uma conferência patrocinada pela Sociedade Internacional de Inovação Pediátrica. A conferência reúne inovadores de mais de vinte hospitais infantis em todo o mundo.

Atualmente, a medicina pediátrica apresenta muitos desafios. O compartilhamento de imagens na medicina de emergência foi descontinuado/interrompido. O Dr. Ben Choi, Diretor de Informática Clínica de Medicina de Emergência Pediátrica no Texas Children’s, disse que muitas vezes têm de esperar que a “família tire uma foto da tela.” O Dr. Brent Kaziny, Professor Associado de Medicina de Emergência Pediátrica, Baylor College of Medicine, gostaria que pudesse ver as imagens antes que as crianças fossem transportadas. Ele afirma: “Muitas vezes, não fazemos absolutamente nada a mais para as crianças e as enviamos para casa.” Embora existam muitas soluções para o compartilhamento de imagens, o Dr. Chris Newton, Diretor Médico de Trauma e Serviços de Cirurgia da UCSF, diz: “Atualmente, as soluções não são simples ou automáticas.” Na verdade, estão planejando enviar equipes de treinamento para os hospitais de referência no norte da Califórnia.

Além disso, os recursos clínicos pediátricos são escassos e cada vez mais centralizados geograficamente nos 500 hospitais infantis. Nos EUA, temos 3.000 cardiologistas pediátricos localizados, principalmente, nas cidades maiores, com o acréscimo de apenas 100 novos cardiologistas pediátricos a cada ano. No entanto, está ocorrendo, na população infantil, um aumento de 4.000.000 crianças por ano. E isso não é um problema de especialização limitada apenas à cardiologia pediátrica, levando-se em consideração que três estados (Montana, Dakota do Sul e Wyoming) não têm um único médico de emergência pediátrica.

Os desafios são maiores fora dos EUA. No México, a doença cardíaca congênita (DCC) é a segunda causa de morte mais comum em crianças com menos de cinco anos. A Índia tem apenas 300 cardiologistas pediátricos para uma população de 1,39 bilhão. Na África, a pneumonia ainda é a causa número um de morte em crianças, não porque não haja tratamento disponível, mas porque não há ninguém para diagnosticar a condição. Por volta de 2050, a África será o lar de um bilhão de crianças, pois, duas em cada cinco crianças do mundo nascerão lá.

Finalmente, as condições de funcionamento gradual, geralmente de correntes de exposição cumulativa, não são fáceis de diagnosticar por qualquer clínico. É mais provável que você nunca tenha ouvido falar em displasia cortical focal (DCF). Estima-se que essa condição esteja presente em 1 em 2.500 recém-nascidos nos EUA. Embora o conhecimento sobre a DCF possa não ter nenhuma consequência real para você, pode ter implicações que alteram a vida daqueles que sofrem com a condição. Considere uma criança no sul dos EUA que teve convulsões múltiplas todos os dias durante a maior parte de sua vida. Quando ocorriam à noite, ele acordava gritando. Enquanto ele fazia exames de ressonância magnética, os médicos não conseguiram reconhecer e diagnosticar a causa subjacente como DCF. Como consequência, aplicaram-lhe uma droga ineficaz após a outra por anos. Se um aplicativo de IA tivesse sido treinado com a vasta gama de dados de ressonância magnética, armazenados nos bancos de dados de todos os 500 hospitais infantis, anteriormente inacessíveis, os médicos teriam detectado seu DCF previamente, e ele poderia ter recebido a cirurgia necessária para cessar a epilepsia. Quando falamos de anos de convulsões contínuas agravadas por drogas, médicos e hospitais que poderiam ter sido evitados, imagine como isso teria mudado a vida da criança e da família.

A IA na medicina poderia reduzir a desigualdade nos cuidados de saúde, reduzir os custos e melhorar os resultados dos pacientes — mas mesmo na medicina de adultos, o desempenho desses aplicativos de IA é menos do que excepcional. Em um recente artigo do New England Journal of Medicine sobre O Estado Atual e Futuro da Interpretação da IA de Imagens Médicas, os autores escreveram: “Os estudos mostraram que o desempenho de muitos modelos radiológicos de IA agravam-se quando são aplicados aos pacientes que diferem daqueles usados para o desenvolvimento do modelo.”

Além disso, “…o desempenho de modelos para segmentação de tumores cerebrais e interpretação radiográfica de tórax piora quando os modelos são validados com dados externos conectados a hospitais diferentes daqueles usados para teste do modelo. “Finalmente, os autores analisaram um estudo retrospectivo que mostrou que o desempenho de um modelo comercial de IA projetado para detectar fraturas da parte cervical da coluna foi pior na prática real do que o desempenho inicialmente relatado ao FDA.

Pediatric Moonshot

Com base em todos os itens acima, reunimos uma equipe de reputação mundial há mais de três anos, cuja missão era reduzir a iniquidade dos cuidados de saúde, reduzir custos e melhorar os resultados para crianças nacional e globalmente, criando aplicativos de preservação de privacidade em tempo real, baseados no acesso a 1.000.000 de dados hospedados nos servidores, localizados em todos os 500 hospitais infantis do mundo — o Pediatric Moonshot.

Um novo foguete: a vasta gama de serviços na nuvem integrado da Bevelcloud

Semelhante à fotografia original da lua, precisávamos construir um novo foguete. Assim, a equipe da BevelCloud projetou um serviço na nuvem altamente seguro, descentralizado e integrado. A integração/implantação do serviço pode variar de grandes hospitais a pequenas clínicas rurais nos EUA e em todo o mundo. Os aplicativos digitais simultâneos padronizam dados em tempo real de qualquer servidor da saúde, bem como dados off-line de PACS (Picture Archiving and Communication System, que, em português, equivale a Sistema de Comunicação e Arquivamento de Imagens (SCAI)) e EMRs (Electronic Medical Records, que em português, equivale a Prontuários eletrônicos dos pacientes (PEP)). Usando interfaces padrão, um aplicativo pediátrico que preserva a privacidade em tempo real pode ser executado em todos os 500 hospitais infantis em todo o mundo.

A analogia mais próxima é o que a Apple fez com o iPhone. Ao criar uma plataforma que padronizou o acesso à câmera e ao GPS, eles incentivaram os desenvolvedores a criar aplicativos. Quando o primeiro iPhone foi lançado, quem poderia ter imaginado TikTok, Instagram ou WeChat? Para a Pediatric Moonshot, imaginamos milhares de desenvolvedores criativos construindo uma ampla variedade de aplicações em cardiologia, radiologia, oncologia, ortopedia, medicina de emergência, doenças raras, neonatologia e neurologia.

A BevelCloud implantou pequenas unidades de servidores em oito hospitais pediátricos nos três continentes. Um dos primeiros aplicativos foi uma demonstração do compartilhamento de imagens em tempo real. O Dr. Chang trouxe sua filha mais velha, que tem um problema cardíaco congênito, para o laboratório de eco no Hospital Infantil em Orange County e compartilhou seu ultrassom com especialistas em Bambino Gesu, localizado na Cidade do Vaticano. Confira um pequeno vídeo daquele dia histórico.

Mercury: Rede de Compartilhamento de Imagens de Medicina de Emergência Pediátrica

Durante o ano de 2023, o foco se voltou para aplicações específicas de apoio aos médicos de emergência pediátrica em apoio aos objetivos da Rede de Pandemia Pediátrica. O Dr. Chris Newton da UCSF (universidade da Califórnia, em São Francisco) diz que: embora existam muitas soluções para compartilhamento de imagens, “as soluções atuais não são simples ou automáticas.” Inspirado por aplicativos de sucesso e fáceis de usar, como o Instagram, a equipe desenvolveu um método simples e automático conectando sites secundários que servem a especialidades específicas nos hospitais rurais, clínicas autônomas e hospitais não infantis para compartilhar imagens com os locais de ancoragem da área de especialidade nos hospitais infantis. Implantar uma rede nacional ou global para compartilhar escassa experiência humana na clínica pediátrica com clínicas e hospitais não infantis está ao nosso alcance. Mercury é um sistema resiliente projetado para atender às necessidades, tanto nas tempestades quanto na calmaria.

Gemini: Laboratório de IA para medicina infantil

Embora os aplicativos de IA sejam a principal resposta para reduzir a desigualdade na assistência médica, reduzir os custos e melhorar os resultados, o estado atual, mesmo na medicina adulta, não é bom. Novamente, citando o artigo do NEJM: “Estudos mostraram que o desempenho de muitos modelos de IA radiológica piora quando são aplicados a pacientes que diferem daqueles usados para o desenvolvimento do modelo.”

Por que isso acontece?

A tecnologia subjacente fundamental que impulsionou os avanços na IA que vimos como consumidores são as redes neurais. Essas dependem de grandes quantidades de dados diversificados para treinar modelos precisos e robustos. Por exemplo, o ChatGPT foi treinado com grandes quantidades de dados de texto disponíveis na Internet. No entanto, o treinamento de aplicações de IA na medicina está ocorrendo com pequenos conjuntos de dados, razão pela qual o desempenho do aplicativo piora quando usado com dados fora do conjunto de dados de treinamento inicial. Infelizmente, a IA na medicina — adulta ou infantil — não funciona porque o conjunto de dados de treinamento não é grande nem diversificado o suficiente.

Mas há muitos dados. Os 500 hospitais infantis geram 6.000.000 de terabytes de dados todos os anos. Apenas para comparação, o Imaging Data Commons do NIH tem apenas 40,6 terabytes.

Qual é a barreira?

Arquiteturas centralizadas, que impulsionaram os avanços na IA do consumidor, não funcionarão para a IA na medicina. Considere um experimento mental: se quisermos usar a abordagem centralizada, precisamos colocar todos os dados em um local. Decidimos que colocaremos todos os 6.000.000 TB na Irlanda. Quem vai pagar o custo da rede para mover os 6.000.000 TB de todos os 500 hospitais infantis? Além disso, não é possível construir aplicações reais em tempo real que funcionem fora da Irlanda para o resto do mundo. E quanto à privacidade? Um dos princípios centrais do gerenciamento de privacidade são as limitações de propósito. A agregação de grandes quantidades de dados sem finalidade específica não preserva a privacidade. Por causa desses fatores importantes, a abordagem centralizada clássica para o treinamento de aplicativos de IA não funcionará na medicina.

Como treinaremos os aplicativos de IA preservando a privacidade?

Felizmente, houve desafios semelhantes na IA do consumidor. Veja a Siri, por exemplo, que gostaria de melhorar sua precisão, mas é prejudicada pela abordagem tradicional que exigiria agregar sua voz e minha voz na nuvem da Apple. Imediatamente você consegue ver as preocupações de privacidade. O que eu declarei sobre a Siri e quem vai pagar pelo plano de dados de rede para enviar essa informação, mesmo que seja disponibilizada etc.?

Como resultado, em 2019, foi desenvolvida uma nova tecnologia denominada aprendizagem federada, muitas vezes referida como “aprendizagem colaborativa”. É uma abordagem descentralizada para o treinamento de modelos de aprendizado/aprendizagem de máquina. A aprendizagem federada permite aprender sobre os dados localmente com apenas parâmetros de modelo de rede neural na nuvem da Apple, preservando assim a privacidade e a largura de banda da rede. O trabalho preliminar sugere que a tecnologia de aprendizagem federada baseada no consumidor poderia ser aplicada à IA na medicina. Neste caso, em vez de um microfone e uma câmera de smartphone, temos uma máquina de geração de imagem ligada simultaneamente a uma pequena unidade de servidor.

Não é possível criar aplicativos de IA sem dados. Por isso, buscamos US$ 25 milhões para construir um Laboratório de IA específico para a Medicina Infantil. Nosso objetivo é usar a tecnologia de IA de ponta para desenvolver aplicativos que permitam a assistência médica proativa para crianças, local e globalmente, independentemente de seu status social ou geográfico. O laboratório de IA funcionará inicialmente em seis hospitais infantis, nos dois continentes, com expansão planejada para trinta e dois locais em quatro continentes. No início, o laboratório de IA se concentrará em máquinas de ultrassom, mas será rapidamente expandido para incluir todas as máquinas de geração de imagem. A pesquisa inicial dará prioridade para algumas questões-chave: Quais são as ferramentas, plataformas, aplicativos, canais, podcasts, vídeos usados como aprendizagem colaborativa funcionarão melhor com imagens médicas?

Usando essa fase inicial como um trampolim, o laboratório de IA construirá o primeiro LIM/MIG (tradução livre “Modelo de Imagem Grande/Ampliada”) no mundo para medicina infantil, semelhante ao que o OpenAI fez na construção de LLMs ­ — (tradução livre “modelo de linguagem ampliado”), um tipo especializado de inteligência artificial (AI) que foi treinada em vastas quantidades de texto para entender o conteúdo existente e gerar conteúdo original, — voltados para dados de texto acessíveis ao consumidor. A abordagem aproveitará o conhecimento de todos os melhores cardiologistas pediátricos, radiologistas, oncologistas, ortopedia e médicos de medicina de emergência do mundo para construir esse modelo fundamental.

Temos a capacidade de reduzir a desigualdade nos cuidados de saúde, reduzir os custos e melhorar os resultados para as crianças a nível nacional e global, criando aplicativos de preservação da privacidade em tempo real baseados no acesso 1.000.000 a dados de servidores alocados em todos os 500 hospitais infantis do mundo. O Moonshot Pediátrico precisará de um esforço conjunto de toda a comunidade.

No final da palestra, convidamos os participantes da PEDS2040 a assinar um pôster mostrando seu apoio.

A primeira assinatura foi a da Kimberly Cripe, CEO Children’s Healthcare of Orange County (CHOC). Além de assinar seus nomes em apoio do Moonshot pediátrico, algumas pessoas escreveram citações. Jamie Phillips, COO da Seattle Children’s escreveu: “Vamos promover a mudança para todos”. Charles Macias, Diretor de qualidade/Vice-Presidente de qualidade dos hospitais Universitários, escreveu: “Uma grande oportunidade para promover a saúde das crianças”. Jamie Wiggins, Vice-presidente Executivo e Diretor de Operações da Arkansas Children’s, disse que ouvir sobre o Pediatric Moonshot foi o destaque da conferência.

Se você gostaria de ficar atualizado sobre nosso progresso na lua, registre-se para receber o boletim informativo em www.pediatricmoonshot.com.