Machine Learning em Imagens Médicas: “Plataforma Nacional de Armazenamento e Inteligência Artificial em Imagens Médicas para Pesquisa, Inovação e Suporte à Decisão Clínica”.
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.
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.
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.
Principais Resultados:
Vendor Neutral Archive (VNA)
Soluções de IA para suporte à decisão diagnóstica
Algoritmos passaram por validações internas e externas (estudos retrospectivos e prospectivos).
Validação em mundo real contou com 736 participantes dos estudos prospectivos e 32 Centros Clínicos (UBS, UPA e hospitais).
Produção científica e Mídia
Link para acesso a artigos publicados: Artigos
Reportagens: Revista Galileu, Crypto ID
Pedro Vieira Santana Netto – Hospital Israelita Albert Einstein, São Paulo, SP – Lattes – LinkedIn
Adriano Retondo – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Alexandre Loos Agra – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Alexandre Ribeiro da Silva – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Aline de Souza Moura – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Aline Lissa Okita – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Ana Paula de Andrade Pannuti – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Antonio Allesson Santos de Araujo – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Artur Jose Marques Paulo – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Bruna Garbes Goncalves Pinto – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Brunna Carolinne Rocha Silva – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Bruno Domingues De Oliveira – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Camila Aquemi Silva – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Cesar Teles Gargiulo – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Daniel Tornieri – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Douglas Romero – Hospital Israelita Albert Einstein, São Paulo, SP - Linkedin
Eduardo Menegatti Marques – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Eduardo Pontes Reis – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Elaine Jose e Silva Almeida – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Fabiano Filho – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Felipe Lima Morais – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Filipe Adolfo Cruz da Cunha – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Gabriel Monteiro Ferracioli – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Gilberto Szarf – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Giovanna de Souza Mendes – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Giulia Osório Santana – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Guilherme Alberto Sousa Ribeiro – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Jaqueline de Oliveira Guerra – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Joao Vitor dos Santos – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
João Vitor Souza de Alcantara – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Jose Raniery Ferreira Junior – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Joselisa Péres Queiroz de Paiva – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Leticia Rittner – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Lígia Bueno Sandes – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Luan Oliveira da Silva – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Lucas Hiroshi Campos Shinoda – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Mara Huffenbaecher Giavinabianchi – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Marcio Rodrigues da Cunha Reis – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Marco Tulio Rocha Carvalho – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Maria Carolina Bueno da Silva – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Michel Lucio Girão de Oliveira Silva – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Patricia Duarte Deps – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Paulo Victor Dos Santos – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Pedro Vinicius Alves – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Rafael Koji Sales – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Rafael Maffei Loureiro – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Regiane Maria Ribeiro de Carvalho – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Renata Proa Dalle Lucca – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Rodrigo de Macedo Couto – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
Sérgio de Vasconcelos Filho – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Sérgio Luiz de Lima – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Talles Marcos de Brito Antonelli – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Tayran Milá Mendes Olegario – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Thiago Fellipe Ortiz de Camargo – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Thiago Saraiva Cardoso de Souza – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Viviane Margarida Gomes – Hospital Israelita Albert Einstein, São Paulo, SP - Lattes
William Yang Chen Fan – Hospital Israelita Albert Einstein, São Paulo, SP - LinkedIn
Secretaria de Atenção à Saúde - SAS- MS
Secretaria de Ciência, Tecnologia e Insumos Estratégicos -SCTIE - MS
Secretaria de Vigilância em Saúde - SVS- MS
