Cenário 1: dados mostram que as ligações 5G deverão representar mais da metade (56%) em 2030, tornando o 5G a tecnologia de conectividade mais dominante no mundo (fonte: GSMA Intelligence). Em 2023, a velocidade de download da rede 5G no Brasil aumentou 1,4 vezes em comparação a 2022, colocando o país na quinta posição dos dez países que tiveram melhor desempenho em 5G em 2023. Até dezembro desse mesmo ano, o sinal 5G já estava disponibilizado para 2.024 cidades brasileiras (o 5G standalone, que possui maior potencial, completou um ano de ativação no país em julho de 2023).
Cenário 2: IoT continua sendo uma das três principais prioridades tecnológicas corporativas, enquanto a IA assumiu como a principal prioridade, conforme a pesquisa “State of IoT – Spring 2024”. Segundo estudo da RBC Capital Markets, 30% dos dados gerados no mundo vêm da área da saúde e a previsão é de que a taxa de crescimento anual alcance 36% até 2025. De 2023 a 2028, o setor de IoMT (Internet das Coisas Médicas) deve crescer mais de 23%. Talvez dobre esse índice se as “coisas médicas inteligentes da internet (AIoMT)” avançarem no mesmo ritmo das GenAIs. O espaço para as IoMTs no Brasil é imenso, principalmente com 5G: apenas 23% dos profissionais de saúde faziam algum tipo de monitoramento remoto de pacientes em 2022 (fonte: Cetic.br).
Cenário 3: O site tutorial ElectronicHuB, em seu mapa de usuários em 2023, sugere que o Brasil (214 milhões de habitantes) já faz quase 0,5 milhão de pesquisas mensais em GenAIs, com as Filipinas (113 milhões de habitantes) no topo dos usuários, com mais de 5,9 milhões de pesquisas mensais (em texto), seguido de Singapura e Canadá (acompanhe na figura abaixo). Por outro lado, a Goldman Sachs sugere que as GenAIs podem aumentar o PIB mundial em 7% até 2033. Além disso, pesquisa realizada pela Deloitte mostra que os consumidores estão começando a ver as GenAIs como confiáveis: a grande maioria de seus usuários (69%) classificou a informação gerada por elas como muito fiável ou extremamente fiável.
Some esses 3 cenários e você vai identificar uma das mais importantes tendências nas Cadeias de Saúde: “AIoMT” (Artificial Intelligence in Internet of Medical Things, ou simplesmente “Artificial Intelligence of Medical Things”), um híbrido de Internet de Coisas Médicas (IoMT) e das Inteligências Artificiais Generativas (GenAIs). Todos esses cenários, juntos, ativam um roteiro transformacional estupendo, uma “viagem especial” pelas galáxias dos sistemas de saúde. Seus protagonistas (IA, 5G e IoMT) já estão de malas prontas aguardando o embarque conjunto.
Não é um conceito futurista ou transumanista. Dúzias de unidades hospitalares ou clínicas em todo o mundo já utilizam esse trinômio tecnológico há meses, quiçá anos, embora com baixos níveis de interoperabilidade e limitadas percepções de seu alcance funcional. Uma plataforma AIoMT é precisamente a justaposição de IoMT, IA e 5G em um ambiente integrado, cooperado, em nuvem e altamente expansivo.
Seu objetivo é materializar a coleta de dados clínicos em tempo real (5G), por meio de dispositivos vestíveis inteligentes (IoMT), sugerindo análises capazes de empoderar a tomada de decisão médica. Essa fusão era algo inevitável: “os mundos da IA e IoT colidiriam”, expressou Prashant Anaskure, cofundador da Pratiti Tech, uma dessas empresas que está surfando nas plataformas de AIoT. Dispositivos IoMT (sensores, biossensores, devices, wearables, etc.) geram enormes volumes de dados, que são mais úteis quando “fazem as coisas acontecerem em redes alargadas, longe da interferência humana”. Nessa combinação, um terceiro impulsionador é a “quinta geração para redes móveis de banda larga (5G)”. Esse ambiente de alta conectividade e multiaplicações é o éter para AIoMT. 5G permite uma “rede inteligente e conectada de dispositivos médicos, se comunicando plenamente e transacionada por comandos de prompts”. Essas plataformas permitirão que os dispositivos aprendam, compreendam e atuem de maneira cada vez mais intensa a serviço das Cadeias de Saúde. Integrar IA + IoMT + 5G possibilita o aprendizado profundo de máquina com dados médicos, coletados de nós móveis, estacionários em dispositivos distribuídos, sendo “programáveis” a qualquer momento.
Imagine uma rede hospitalar equipada com Monitores de Frequência Cardíaca, Glicosímetros, Inaladores Inteligentes, Máquinas para Monitoramento de Sinais Vitais, Implantes Cardíacos, Balanças e Termômetros Inteligentes, entre outros dispositivos. Essas ‘estações clínicas’ geram uma quantidade imensa de dados, que são subutilizados se não aproveitados por técnicas de machine learning. Ao integrar essas informações (estruturadas ou não) em plataformas GenAIs (como data lakes), é possível treiná-las e aperfeiçoá-las para reconhecimento de ‘padrões previsionais’ não apenas para um paciente específico, mas para outros que possam apresentar um quadro clínico semelhante. Nessa direção, AIoMT poderia sugerir intervenções personalizadas, identificando sinais precoces de deterioração na saúde do paciente, que podem não ser óbvios (ou claros) para médicos ou demais profissionais de saúde.
É preciso entender um paralelismo: humanos percebem o seu ambiente por meio de dispositivos sensoriais, que transmitem sinais ao cérebro e processam essa informação para tomar decisões. Nós confiamos na percepção sensorial (olhos, ouvidos e pele) para compreender o ambiente. A réplica desse processo no mundo digital transforma objetos comuns em ‘entidades inteligentes’ por meio de sensores, biossensores e devices (IoTs). Eles passam a ser os nossos olhos e ouvidos, projetados para compreender os ambientes que nos rodeiam.
Um neurônio é a unidade estrutural e funcional do sistema nervoso, sendo uma célula altamente especializada na função de transmitir informações na forma de impulsos nervosos (sinapses). Perceba que após receber informações sensoriais, o sistema nervoso humano assume o controle. Sinais são transmitidos ao cérebro por meio de “redes neurais” (as legítimas, e não as metafóricas da IA), garantindo que a informação flua sem problemas. No mundo dos objetos inteligentes, é necessário um equivalente digital “nervoso” para transmitir os dados recolhidos pelos sensores. A AIoMT é um sistema que conecta esses sensores ao “cérebro digital”, permitindo uma transmissão de dados eficiente e instantânea. Ela promove uma vasta rede global que interliga inúmeros ‘objetos’, concedendo-lhes o poder de perceber, computar e executar tarefas, estabelecendo conexões com a Internet. Mas onde está a “inteligência” nesse sistema neurodigital?
Nosso cérebro não só recebe sinais, mas também processa essas informações, analisa seus próprios vieses, estrutura os dados no tempo e no espaço, aprende com eles e, finalmente, toma decisões. Essa capacidade cognitiva é espelhada no mundo digital pela Inteligência Artificial (IA). No caso das GenAIs, por exemplo, ela não só coleta os sinais de IoMTs, como consegue avaliá-los, examiná-los e identificar padrões para tomada de decisões autônomas. Essas máquinas vão além da simples percepção: elas realizam “ações significativas em resposta ao seu ambiente”. Essa fusão de interesses é capaz de integrar objetos inteligentes, processar seus dados em milissegundos, se adaptar, otimizar contextos e responder às necessidades humanas (usuárias) de modo a serem uma “extensão da inteligência humana”.
Mas não é tão simples: é necessária uma estratégia de integração crítica e consistente para “unir” todas essas tecnologias, principalmente quando envolvemos a internet das coisas médicas (IoMT) e vamos utilizá-la na Saúde, um terreno pantanoso, sujeito a muitas adversidades nem sempre controladas. Nesse sentido, cresce o desenvolvimento do conceito de “GenAIoMT”, ou seja, uma “plataforma generativa para gestão de IoMTs”, que poderíamos simplificar toscamente como “copilotos generativos para gestão de dados captados por sensores médicos”. Nada diferente das plataformas que gerenciam IoTs na agricultura, ou no setor de transporte, ou mesmo nas cidades inteligentes. Todavia, é necessário não confundir os “aplicativos em nuvem para gestão de IoTs” com as AIoMTs (ou GenAIoMTs). São coisas dispares.
A funcionalidade de um App é projetada para executar um conjunto específico de tarefas, como coletar dados de máquinas, considerar informações de equipamentos médicos, navegar em redes públicas de dados em saúde, etc. Uma AIoMT usa cognição artificial para gerar modelos, scripts, dashboards e vários outros elementos dinâmicos para gestão de IoMTs. Em outras palavras, as plataformas AIoMTs podem ser adaptadas e personalizadas a qualquer instante para atender novas variáveis. Exemplo: indivíduos inseridos no universo G30 (nações com os 30 maiores PIBs), acima de 40 anos, interagem hoje, em média, com mais de 250 IoTs por dia, de forma direta ou indireta (smartphones, veículos, uso de Internet, sensores de edifícios ou residências, cartões magnéticos, etc.). Da mesma forma, em menos de 5 anos, os mesmos indivíduos estarão conectados a mais uma centena de IoMTs, ou seja, estarão integrados com insumos eletrônicos orientados a suportar o controle da saúde, seja ela administrada pelo próprio indivíduo ou por terceiros (médicos, outros profissionais de saúde, familiares, cuidadores, etc.). A capacidade de ter AIoMTs dinâmicas permitirá acionar rapidamente esses devices (remotamente) e reparametralizá-los a novos insights gerados por mudanças nas orientações clínicas. Essa arquitetura flexível é cada vez mais imprescindível na gestão, por exemplo, de componentes eletroclínicos hospitalares (estima-se que uma UTI moderna, com 20 leitos, tenha em média entre 500 e 1000 sensores, entre IoTs e IoMTs).
Outra característica que diferencia as AIoMTs dos apps-algoritmizados é a escalabilidade. A capacidade de “ampliação lato sensu” de um app (escalabilidade funcional, temporal, geográfica, tecnológica e interoperacional) é limitada por sua arquitetura e design, tendo grandes dificuldades de lidar, por exemplo, com um aumento da carga de dados. Da mesma forma, app-algoritmizados possuem flexibilidade limitada, definida quase sempre pela conjuntura operacional da época de seu desenvolvimento, não podendo ser facilmente modificada. Por outro lado, as AIoMTs são, por definição, escaláveis e lidam bem com um crescimento rápido e exponencial de dados gerados por IoMTs. Uma plataforma AIoMTs em 5G é capaz de “enviar, receber e inteligenciar dados de 1000 IoMTs a cada segundo, podendo chegar a milissegundos”. Assim como num "pas de deux", onde cada passo do dançarino influencia o movimento do outro, e vice-versa, o desenvolvimento científico das IoMTs será marcadamente influenciado pela notável expansão das AIoMTs, e vice-versa.
A inteligência artificial das coisas médicas (AIoMT), assim como todas as plataformas de outras indústrias de serviços (IoT em geral), são configuradas para operar em nuvem (cloud-based IoT) e possuem 4 camadas básicas: (1) Camada de dispositivo (device layer), que inclui vários tipos de infra, como hardware, tags, beacons, sensores, equipamentos e dispositivos embarcados; (2) Camada de conectividade (connectivity layer), que compreende cloud gateways (hardware ou software), que acionam controladores, sensores e outros dispositivos inteligentes; (3) Camada de nuvem (cloud layer), que processa os dados por meio de mecanismos de IA acessados por APIs; e a (4) Camada de comunicação (user communication layer), composta por portais web e aplicativos móveis (dados de AIoMT podem também ser processados como edge-based AIoT). Assim, os benefícios dos AIoMT são múltiplos, como eficiência operacional, capacidade de ajuste em tempo real, análise de dados, escalabilidade, segurança beneficiada (dispositivos IoMT são muito suscetíveis a riscos de segurança, sendo que AIoMT pode identificar e evitá-los analisando os sensores para descobrir anomalias e potenciais violações de segurança), redução de erro humano, personalização, etc.
Mesmo antes do advento das Generativas (novembro/2022), dúzias de estudos já previam a fusão das tecnologias de IA com IoMT. Um deles (“Artificial Intelligence and Internet of Medical Things Assisted Biomedical Systems for Intelligent Healthcare”), por exemplo, publicado em 2022 (antes, portanto, do surgimento das GenAIs), concluía a inevitabilidade dessa fusão. A conclusão do trabalho mostrava que era só uma questão de tempo o surgimento das AIoMTs: “os recentes desenvolvimentos e avanços em dispositivos IoMT apoiados por IA são promissores para a geração de biossensores eficientes ao sucesso do gerenciamento de doenças. Os dispositivos IoMT integrados com IA são importantes em áreas médicas cruciais, como monitoramento cardíaco, cirurgias, diabetes e monitoramento de câncer. Talvez a IA não possa realizar vários trabalhos ao mesmo tempo, e a substituição completa de um médico ainda não foi desenvolvida. Apesar disso, a IA provou neste estudo a sua excelência na área médica, promovendo uma evolução contínua do gerenciamento de doenças de maneira personalizada”.
Os três capítulos do livro “Computational Intelligence for Medical Internet of Things Applications”, publicado já em 2023 (autores: Nilanjan Dey, Amira Ashour, Simon James Fong), também explora em detalhes as técnicas de inteligência de máquina necessárias as práticas eficazes de IoMT, mostrando o salto cambriano dessas tecnologias na medicina aplicada. Mas, em março/2024, o estudo “An Explainable AI Framework for Artificial Intelligence of Medical Things” foi mais fundo, mostrando uma proposta estrutural para aumentar a eficácia dos métodos estratégicos na saúde, visando “inspirar confiança e promover a compreensão de aplicações médicas baseadas em IA”. Os resultados da avaliação ressaltaram o desempenho excepcional de uma estrutura XAI (Inteligência Artificial Explicável - sistemas de IA projetados para serem transparentes e compreensíveis aos humanos.), alcançando pontuações de alta precisão. “A combinação de técnicas avançadas de XAI com metodologias de aprendizagem profunda (DL), baseadas em conjuntos, permite diagnósticos precisos e confiáveis de tumores cerebrais utilizando AIoMT”.
Da mesma forma, o estudo “Heart failure patients monitoring using IoT-based remote monitoring system”, de 2023, mostrou ‘sistemas de monitoramento para pacientes cardíacos utilizando IoMT’. A conclusão do estudo não permite dúvidas: “Os resultados do teste demonstram que o protótipo sugerido supera todos os outros modelos utilizados, alcançando uma pontuação de 0,9524 de precisão. A eficácia do modelo proposto é ainda confirmada através de validação cruzada 5 vezes”. Um exemplo do drive-futuro das AIoMTs pôde ser constatado pela University of Waterloo (Canadá). Seus engenheiros projetaram uma antena poderosa, mas pequena o suficiente para caber em um anel, sendo capaz de transmitir dados médicos à distância. O anel, que pode ser usado como uma joia, comporta um transmissor que envia informações médicas por meio de ondas (captadas por smartphones). “Há uma revolução acontecendo no mundo da detecção sem fio, mas esta revolução não pode ter sucesso sem uma antena", explica o pesquisador principal Dr. Omar Ramahi, professor de engenharia da Universidade. Um IoMT dedal, que permitirá uma AIoMT multifuncional.
As AIoMTs representam um passo a mais na direção da Era Cognitiva, alavancada pelos motores de inteligência generativa e seus grandes modelos de linguagem. John Nosta, fundador do NostaLab e um profícuo pensador sobre o devir, nos alerta que o panorama atual pode estar alterando a essência humana. “O advento das novas IAs representa uma mudança quase impensável no intelecto e na criatividade humana. Essa fusão de silício e sinapse está redefinindo os limites do que é possível e reescrevendo como a capacidade cognitiva humana se enquadra na equação. O que significa ser humano numa época em que pensamentos, criatividade e até emoções podem ser potencialmente ultrapassados por redes neurais artificiais?”. Nosta anda meio perplexo, não sem razão. Mas talvez não seja momento para ser otimista, ou pessimista, ou sequer realista. Talvez só nos baste ser “empiristas” (cognicionismos só depois de alguma vivência). Como mostra a engenharia das GenAIs, são tempos de prompts, de perguntas e de perplexidade. Mas as ciências médicas e o bioma saúde estão à beira de receber uma ajuda que nunca imaginaram poder chegar. Essa viagem por tempos generativos é horripilante: que tolos somos por começar a gostar do que vem pela frente! Que desastre adorar estar vivo neste momento, e atento, e ansioso, e hipnotizado em pleno final do primeiro quarto de século! Que loucos somos nós os humanos. Que venha a transformação, mas que ela não me alcance no fim da fila, que comece comigo...
Guilherme S. Hummel
Scientific Coordinator Hospitalar Hub
Head Mentor – EMI (eHealth Mentor Institute)
