Companhia de terapia digital de saúde adota conjunto de ferramentas de computação cognitiva para dimensionar a demanda de seu remédio digital no mercado de patologias musculoesqueléticas. Conseguiu, com isso, ter uma visão mais ampla do impacto socioeconômico de dores crônicas debilitantes na vida dos pacientes, precificar a dose do medicamento e tomar decisões mais assertivas para o negócio.


Campo novo na saúde, a medicina digital surgiu em 2007, junto com os primeiros smartphones. A convergência de tecnologias (câmera fotográfica, computador pessoal e conectividade) em um único aparelho abriu um leque de possibilidades na área médica e deu origem a plataformas móveis voltadas para a telemedicina e para o monitoramento de indivíduos, por meio de biossensores, ou sensores vestíveis.

Hoje, os biossensores geram uma profusão de dados médicos sobre quase todos os sistemas fisiológicos do corpo humano e não apenas sobre a quantidade de passos dados durante uma atividade física, como acontecia inicialmente. As câmeras embutidas nos celulares e em outros dispositivos móveis conseguem capturar não apenas fotos de lesões de pele, mas também imagens de ultrassom, por meio de uma sonda plugada ao aparelho, com qualidade comparável à de máquinas mais dispendiosas usadas em hospitais.

Apesar do avanço alcançado em pouco mais de uma década, a maioria dos esforços em medicina digital foi realizada em uma dimensão – um sensor, um tipo de imagem ou apenas genômica – com pouca convergência. Essa abordagem captura uma visão muito restrita de uma pessoa e, em geral, é insuficiente.  Só para exemplificar, quando, em junho de 2000, o rascunho do genoma humano foi anunciado pela primeira vez, acreditava-se que ter apenas o mapa do genoma transformaria o futuro da medicina. Descobriu-se, no entanto, que são necessários dados multimodais para entender a singularidade dos seres humanos e personalizar a medicina. E isso requer uma agregação de dados anatômicos, fisiológicos, biológicos, ambientais e demográficos.

Assim como o campo da genômica adotou estratégias de bioinformática para abordar os grandes conjuntos de dados gerados pelo sequenciamento, a medicina digital precisa incorporar análises computacionais avançadas, especificamente o uso de ferramentas de inteligência artificial, como machine learning e deep learning, para analisar a enorme quantidade de dados multimodais que são gerados. Por exemplo, sensores contínuos de glicose para pessoas com diabetes podem alertar uma pessoa quando a glicose estiver subindo ou descendo. Porém, é preciso um algoritmo inteligente que integre a atividade física da pessoa, o estresse, o sono, a ingestão de alimentos e bebidas, o microbioma intestinal e, possivelmente, outras camadas relevantes de dados.

A análise de grandes conjuntos de dados é fundamental quando se fala em terapêutica digital, uma área da medicina digital que reúne dispositivos de saúde, software e aplicativo para tratar uma variedade de doenças e distúrbios, desde asma e dores crônicas até depressão e transtorno de déficit de atenção e hiperatividade (TDAH). Mas diferentemente da maioria dos aplicativos de bem-estar comercializados diretamente para os consumidores, a terapêutica digital segue um caminho de P&D que se parece mais com o do desenvolvimento de medicamentos. As ferramentas são avaliadas em estudos clínicos e prescritas por um médico.

Algumas terapias digitais são projetadas para ser usadas em conjunto com medicamentos. Outras, substituem com eficácia os tratamentos tradicionais sem provocar efeitos colaterais. É o caso dos remédios digitais, desenvolvidos com o auxílio de simulações computacionais e comercializados virtualmente. Em vez de tomar um comprimido de anti-inflamatório ou uma injeção de analgésico, o paciente recebe uma dose do remédio virtual, que desencadeia uma resposta bioquímica do organismo para atingir o efeito terapêutico pretendido. Em outras palavras, o remédio digital estimula o nosso corpo a produzir substâncias naturais que levam à cura da enfermidade.

Para que o remédio digital tenha o efeito esperado, é necessário analisar uma série de dados sobre a doença e sobre as características fenotípicas do paciente, de modo a poder calcular a dose a ser aplicada e o tempo de tratamento. Do ponto de vista do negócio, a análise desses dados, oriundos de várias fontes, é fundamental para outros cálculos: o da demanda de mercado, o da dosagem personalizada e o do preço de cada dose do medicamento virtual.

DESAFIO E SOLUÇÃO

Foi para entender melhor as demandas de seu público-alvo que a Bright Medicine buscou no mercado uma solução baseada em computação cognitiva que pudesse, a um só tempo, analisar automaticamente bases de dados multimodais públicas e privadas e trazer insights para o negócio por meio de relatórios visuais, possibilitando à equipe médica direcionar melhor os esforços de pesquisa dos remédios digitais e a empresa a tomar decisões mais assertivas com relação a comunicação e precificação do produto.

A Bright Medicine atua no mercado de remédios digitais voltados para o tratamento de dores crônicas debilitantes do sistema musculoesquelético desde 2014. As dores crônicas acometem um terço da população mundial (2,5 bilhões de pessoas) com mercado global potencial de US$ 510 bilhões. Lesões teciduais acometem mais de 300 milhões de pessoas com custo total de US$ 495 bilhões, e esses números tendem a aumentar devido ao envelhecimento da população e ao aumento de comorbidades como diabetes e obesidade. Mesmo com o avanço na compreensão da dor, sua prevalência continua alta e, por vezes, não é reconhecida, é mal avaliada, subestimada, subtratada, ou inadequadamente tratada. Com o quadro clínico não resolvido integralmente, as dores crônicas pode, no longo prazo, gerar dependência do paciente aos fármacos.

Atualmente um dos maiores problemas de saúde coletiva enfrentados pela humanidade é a epidemia de uso dos opioides. Essas substâncias são geralmente  indicadas no tratamento de dores intensas e incapacitantes. Só nos Estados Unidos, isso já levou mais de 6 milhões de pessoas ao vício e causou a morte de 220 mil. No Brasil, o uso desses analgésicos cresceu 465% entre 2009 e 2015. É nesse contexto que a Bright se insere.

Seu primeiro remédio digital se baseia na fotobiomodulação – uso de energia da luz para estimular o metabolismo a produzir determinadas substâncias – para tratar dores crônicas, em particular a osteoartrite, doença degenerativa que atinge a cartilagem das articulações, mais comumente os joelhos. A osteoartrite, que é uma das principais causas de dor e incapacitação do mundo, acomete cerca de 9 milhões de pessoas no Brasil, representa de 30% a 40% das consultas em ambulatórios de reumatologia e é responsável por 7,5% de todos os afastamentos de trabalho no país, segundo a Sociedade Brasileira de Reumatologia.

Depois de pesquisar no mercado nacional empresas que desenvolvem ferramentas baseadas em computação cognitiva, a Bright fechou parceria com a startup brasileira Intellimetri, que desenvolve soluções de processamento de linguagem natural (PLN) e algoritmos preditivos de inteligência artificial e machine learning para processar as quantidades massivas de dados (Big Data) gerados pelos dispositivos conectados à Internet das Coisas (IoT). A empresa foi fundada em 2017 e tem, entre seus colaboradores, cientistas de dados, PhDs em inteligência artificial, matemáticos e programadores experientes.

O uso corporativo da inteligência artificial para a análise de dados está se tornando praticamente uma obrigação, pois, de acordo com Gerson Rolim, CEO da Intellimetri,  a enorme quantidade de dados gerada pelos sistemas atuais tornou impossível para operadores humanos analisarem o Big Data sem a ajuda das máquinas. Junte-se a isso o fato de que, muitas vezes, os dados estão localizados em bases separadas geograficamente e que não se comunicam de forma integrada com o sistema da empresa.

No caso da Bright, a tarefa da Intellimetri é processar dados oriundos de diversas fontes não estruturadas, como milhares de prontuários médicos armazenados em arquivos em formato de texto, contendo o histórico de dor dos pacientes registrado em linguagem natural não padronizada.

O projeto começou em outubro de 2019 e está sendo desenvolvido em fases. Inicialmente, o objetivo era dimensionar a demanda e comprovar a aderência do remédio digital no mercado de patologias musculoesqueléticas e dor, mas quando as primeiras análises surgiram, se mostraram valiosas para compreender melhor o mercado, montar uma estratégia de preços e até mesmo orientar pesquisas que melhorem a aplicação clínica e os resultados do medicamento.

LEVANTAMENTO DE ESCOPO

Ao todo, 13 profissionais participaram do desenvolvimento. Como as características do projeto demandam ativo intelectual de alta densidade, a Bright alocou seis profissionais com título de mestrado e doutorado em suas áreas. Do lado da Intellimetri, foram sete colaboradores (diretor de inovação, gerente de projetos ágeis, engenheiro de infraestrutura de tecnologia, dois desenvolvedores de sistemas para a criação da infraestrutura de software e dois cientistas de dados).

A primeira etapa do desenvolvimento consistiu no levantamento do escopo do projeto para apontar todas as necessidades da Bright. A empresa explicou à equipe da Intellimetri o mecanismo de ação da dor e os conceitos de remédios digitais e fotobiomodulação. De acordo com o médico Jorge Marinho, diretor comercial da Bright, um remédio digital é um princípio ativo de origem física, como a luz, mensurado adequadamente para estimular os organismos a produzirem seus medicamentos. Esse princípio ativo é administrado por médicos a um paciente e absorvido e metabolizado pelo organismo da pessoa. O efeito disso é o desencadeamento de uma resposta bioquímica, com a geração previsível e regular de substâncias endógenas (produzidas pelo próprio corpo do paciente). São essas substâncias endógenas que desencadeiam o efeito terapêutico pretendido.

A primeira família de remédio digital, em operação atualmente, é o baseado na fotobiomodulação, processo fotofisicoquímico que age no metabolismo celular por meio da aplicação de partículas de luz (fótons) na região da lesão. Esse processo envolve estímulos físicos, como a absorção dos fótons dentro da célula, que desencadeiam processos bioquímicos no funcionamento celular. Com isso, as células absorvem a energia luminosa e a utilizam para a restauração de suas funções, levando à regeneração tecidual e à recuperação do paciente.

Sua base do remédio digital é a dosimetria, quantidade de energia necessária para que o tecido alvo libere uma determinada quantidade de endógenas. E para o cálculo dessa dose e garantia de regularidade de respostas terapêuticas, são consideradas as diferentes características fenotípicas entre os pacientes, tais como cor de pele e quantidade de gordura.

Os remédios digitais são personalizados e encapsulam todas essas informações fenotípicas, podendo ser transmitidos para qualquer lugar via internet. O console recebe essas informações e as interpreta para a aplicação da dosagem correta naquele paciente. Como o remédio digital é aplicado somente na área lesionada e as substâncias de tratamento são liberadas pelo próprio corpo, não há dor durante a aplicação nem efeitos colaterais.

Uma vez que os conceitos foram compreendidos pela equipe de desenvolvimento da Bright, as duas empresas trocaram artigos científicos que lhes permitiram aprofundar os conhecimentos em inteligência artificial e terapêutica digital e traçar a melhor abordagem para o projeto.

O projeto levou seis meses e utilizou um conjunto de ferramentas de computação cognitiva, como machine learning, processamento de linguagem natural e inteligência artificial, para relacionar bases de dados de diferentes fontes e produzir relatórios visuais em Power BI, a plataforma de análise de negócios da Microsoft.  As bases utilizadas foram:

  • Pesquisa Nacional por Amostra de Domicílios (PNAD), do Instituo Brasileiro de Geografia e Estatística (IBGE);
  • Global Burden Disease (GBD), do Institute for Health Metrics and Evaluation (IHME);
  • DataSUS, do Ministério da Saúde;
  • Pesquisa Nacional de Saúde (PNS), da Fundação Oswaldo Cruz (Fiocruz);
  • Cadastro Nacional de Estabelecimentos de Saúde (CNES);
  • Dados do setor, da Agência Nacional de Saúde;
  • Prontuários médicos.

O relacionamento entre as bases foi estabelecido levando em conta os pontos de vista epidemiológico, mercadológico e de negócios. Os dados foram visualizados em uma série de protótipos de dashboards, com revisões sucessivas de melhorias para eles gerassem insights estratégicos e trouxessem informações relevantes de fácil compreensão para a tomada de decisão, como preço ao consumidor, valor repassado ao médico e impacto socioeconômico.

O desenvolvimento da solução foi dividido em três fases. A primeira tinha como objetivo trazer análises que ajudassem a empresa a dimensionar sua demanda e adaptar sua oferta de serviços. Para chegar a esse resultado, foi criado o Dashboard Growth Hacking, referente ao plano de negócios da Bright. Esse dashboard continha dados epidemiológicos, de distribuição da população, do impacto socioeconômico das doenças e da dor e aspectos de viabilidade financeira. Foi feito o relacionamento entre os dados contidos em uma apresentação (.ppt) de modelo de negócios da Bright e em uma planilha (.slsx) de índices de tratamento (paciente, patologia, sessão, local, EVA, data e intensidade) e aqueles existentes nas bases PNS, GDB e PNAD.

Para isso, foram analisados a demanda de doenças musculoesqueléticas e suas dores relacionadas, o percentual da população que apresentava algum tipo de dor e a necessidade por uma solução mais eficaz.

Na segunda fase foi desenvolvido um algoritmo de Processamento de Linguagem Natural que fazia a mineração de dados bases como PNAD, GBD, DataSUS e IBGE  e em arquivos de centenas de prontuários médicos em formato .docx – para  extração de datas de consultas, médico responsável, diagnóstico, medicamentos prescritos e níveis de dor, entre outras informações. Essa fase produziu os Dashboards Prontuários. A equipe armazenou os prontuários em buckets do Google Cloud, fez o processamento de linguagem natural no Google Compute Engine, em Python, e calculou patologias, número de atestados, número de consultas, anos de tratamento, datas de consultas, índice de sofrimento, áreas do corpo mais afetadas, medicamentos receitados, custo da patologia, previsão de gastos.

A terceira fase teve como objetivo fazer o controle temporal da evolução da dor e de gastos fixos, variáveis para a formação de preço da oferta. Dessa fase resultou o Dashboard SalesForce (análise de Escala Visual Analógica, EVA). Semanalmente, a Intellimetri recebe por email uma planilha .xlsx com dados da área comercial contendo informações como: fotoformulação; contato do paciente; código da prescrição; quantidade de sessões; contador de sessões, contato do terapeuta, código de aplicação, escala de cor de pele de Fitzpatrick; idade; peso; altura; EVA; e status. Além disso, utiliza dados do IBGE (censo demográfico e PIB per capita), do GDB e do CNES.

Os arquivos são armazenados na instância de Compute Engine do Google e concatenados no banco de dados MySQL que está hospedado no Google Cloud. A equipe faz o processamento de dados em Python para o cálculo de: sessão, dosagens por sessão por paciente, valor da dose, anonimização de paciente por número, anonimização de terapeuta por número, IMC, porcentagem de evolução comparativa de EVA com base na primeira sessão, previsão de média de doses diárias, previsão de pacientes por mês, churn, novos entrantes, pacientes recorrentes e outliers.

Os três protótipos criados foram liberados para alguns formadores de opinião na comunidade clínica e, a partir do feedback deles, foram feitos ajustes tanto na forma de visualização quanto nos cálculos. Esses ciclos foram repetidos por três meses e orientaram a equipe para a versão final dos dashboards.

A metodologia de desenvolvimento adotada foi a Ágil, que divide um projeto em vários miniprojetos para ganhar agilidade e minimizar os riscos no desenvolvimento de um software em curtos períodos de tempo (iterações). Cada um desses miniprojetos passa pelas fases de planejamento, análise de requisitos, elaboração do projeto, codificação, teste e documentação e pode ser implantado sem riscos ao fim de cada iteração, quando a equipe responsável reavalia as prioridades do projeto para iniciar o desenvolvimento de novas funcionalidades.

RESULTADOS

A solução ainda está sendo testada em pacientes no ambulatório da Faculdade de Medicina da Universidade de São Paulo (USP), com análise das doses e variáveis relacionadas por meio de Machine Learning. O objetivo é chegar a uma dose adequada e eficiente para cada tipo de problema muscular associado à dor.

No entanto, a Bright já conseguiu obter alguns indicadores, como o consumo per capita de medicamentos, o distanciamento do resultado dos ensaios clínicos em alívio de dores no período, os gastos com medicamentos, o índice de sofrimento por patologia, os estágios de agravamento por patologia e os pedidos de licenciamento de trabalho por período. Esses indicadores fornecem informações do impacto da doença e do tratamento com os remédios digitais na vida dos pacientes.

Os resultados qualitativos obtidos até o momento tornaram possível o acompanhamento do retorno funcional cotidiano dos pacientes debilitados, além das primeiras projeções de recomendações de retorno dos pacientes às atividades e a diminuição das filas cirúrgicas. A empresa consegue agora fazer a mensuração dos índices de uso e eficácia de cada remédio digital, com o acompanhamento da curva de alívio de dores severas e medição dos índices de consumo per capita.

A solução já foi adaptada para que os dados de evolução clínica dos pacientes pudessem ser acompanhados e analisados na plataforma de Power BI. Com isso a empresa conseguiu ter um melhor panorama de casos que necessitavam de um acompanhamento mais próximo.

A próxima etapa de desenvolvimento pretende refinar a personalização das doses, aumentando a eficácia do tratamento. Envolverá a análise mais estruturada dos resultados dos pacientes que utilizam cada remédio, com o intuito de melhorar o modelo de determinação das doses personalizadas e consequentemente melhorar a previsibilidade dos resultados de cada remédio.

A empresa também espera que, com a ajuda das soluções de inteligência artificial, ela consiga vencer outro desafio – que é fazer com que o cliente, médicos na maioria dos casos, entendam o conceito novo dos remédios digitais e os benefícios para a saúde de seus pacientes.

A BRIGHT E A INTELLIMETRI

Fundada em 2014, em São Paulo, a Bright Medicine agrega princípios da medicina, da física, da fisioterapia e da tecnologia para desenvolver remédios digitais que melhorem a qualidade de vida dos pacientes. Seus remédios usam a fotobiomodulação para estimular o corpo humano a produzir o próprio medicamento e, assim, promover a cura sem os efeitos colaterais provocados pelos remédios tradicionais.

Os remédios criados pela empresa têm como foco o tratamento de dores crônicas severas e debilitantes, como a osteoartrite, que são uma das maiores causas do afastamento laboral no mundo. O tratamento é pensado não de forma genérica, mas de forma personalizada, considerando as características dos pacientes, com um grande respaldo de base científica.

A empresa conta com 14 colaboradores diretos, responsáveis por pesquisa e desenvolvimento de novos remédios digitais, projetos de engenharia de plataforma e operacionalização dos remédios desenvolvidos.

Fundada em 2017, a Intellimetri é uma startup que desenvolve modelos e algoritmos preditivos baseados em computação cognitiva, atendendo à demanda por processamento rápido e massivo e fornecendo insights estratégicos para a tomada de decisão das empresas.

Os modelos desenvolvidos examinam dados com o intuito de prever eventos futuros, usando técnicas de estatística, probabilidade e mineração de dados. A empresa divide seu tempo entre o atendimento a soluções personalizadas e a pesquisa no desenvolvimento de produtos de prateleira, como Voicebot e Chatbot multichannel – robôs de atendimento a clientes, Processamento de Linguagem Natural (NLP) para call centers e atendimento a clientes, Manutenção Preditiva de dispositivos conectados e Algoritmos Preditivos aplicados à predição de vendas e faturamento futuro.

As soluções desenvolvidas pela empresa se apoiam na inteligência artificial e no aprendizado de máquina para processar a enorme quantidade de dados gerada pelos dispositivos conectados à Internet das Coisas. A Intellimetri está baseada em São Paulo e tem presença na Colômbia, país considerado a meca dos call centers. Conta com dez colaboradores da área de programação e ciência de dados.