Um sistema que aplica conceitos de inteligência artificial e aprendizado de máquina, desenvolvido por uma startup paulista, pode ajudar a predizer o surgimento de complicações no pé de pacientes diabéticos. O problema, conhecido como “pé diabético”, ocorre em até 34% dos pacientes com a doença e resulta em mortalidade cinco vezes maior que a dos pacientes diabéticos sem esse tipo de lesão nos pés.

Com apoio do Programa FAPESP Pesquisa Inovativa em Pequenas Empresas (PIPE), a empresa BIOO Inteligência Artificial já concluiu as pesquisas de prova de conceito e colocou em ação um piloto, desenvolvido em parceria com o Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFM-USP) e a InovaHC – núcleo de inovação tecnológica da instituição.

O piloto mostrou a capacidade de predizer as complicações no pé de pacientes diabéticos com acurácia superior a 85% na previsão de casos que apresentarão o problema. Em outubro de 2021, o projeto da BIOO foi premiado na “Competição de Inovação e Empreendedorismo para Empresas de Tecnologia do Brasil e Portugal”, em Macau. A startup brasileira foi agraciada na categoria “Maior Potencial para Desenvolvimento”.

O projeto começou a ser desenvolvido em 2018, pelos fundadores da empresa, o médico ortopedista Bruno Sérgio Ferreira Massa e o engenheiro de produção Fernando Mamam. A partir de 2020, a equipe passou a contar também com a cientista da computação Leissi Margarita Castañeda León.

De acordo com Massa, a ideia inicial era trabalhar com uma solução tecnológica ampla envolvendo diversas doenças crônicas. Porém, depois de uma longa fase de amadurecimento, ele e seu sócio decidiram focar na questão do pé diabético.

O médico, que faz parte do corpo clínico dos hospitais Albert Einstein e Sírio-Libanês, conta que teve ampla experiência com o pé diabético desde sua residência, no HC-USP, enquanto seu sócio, cujos pais são diabéticos, também conhece de perto os desafios e complicações da doença. “Essa complicação do diabetes, em especial, é extremamente cruel. Quando o paciente desenvolve o pé diabético, é muito grande a chance de resultar em uma amputação, complicação mais grave ou morte”, afirma Massa.

Segundo ele, o pé diabético é hoje a maior causa de amputações em serviços de emergência – cerca de 50% –, superando causas como trauma. As complicações no pé estão presentes em 19% a 34% dos 500 milhões de diabéticos em todo o mundo, custando US$ 330 bilhões anualmente aos serviços de saúde. A previsão é que, nos próximos 20 anos, o número de diabéticos aumente três vezes.

“Sabemos que 85% dos casos de complicações no pé poderiam ser evitados se houvesse identificação precoce e prevenção. Mas um terço dos médicos não reconhece esse tipo de lesão e 80% dos dados disponíveis sobre os pacientes estão registrados de forma não estruturada”, explicou Massa.

Computação e medicina

Para lidar com esses dados complexos e heterogêneos, com o objetivo de extrair deles um método para predição do problema, os sócios buscaram uma especialista experiente nesse tipo de desafio. “Convidamos a Leissi, uma das mulheres de maior destaque na área de TI e, graças a ela, conseguimos iniciar nosso projeto PIPE 1. A partir daí, com foco e capacidade interdisciplinar, a empresa decolou”, conta Massa. Atualmente, seis pessoas fazem parte da equipe da BIOO.

De acordo com Leissi, que é a pesquisadora da BIOO responsável pelo projeto PIPE, para predizer se o paciente terá complicações com o “pé diabético” o sistema utiliza algoritmos que aplicam o aprendizado de máquina na exploração de dados “estruturados” – como resultados de exames – e “não estruturados”, como os que são registrados nos prontuários eletrônicos utilizados pelos médicos para o acompanhamento de consultas clínicas. Os dados não estruturados são os mais desafiadores, e a pesquisadora vinha trabalhando especificamente com esse tipo de informação em projetos anteriores.

“Firmamos o acordo com o HC para executar um piloto e o hospital nos forneceu os dados iniciais, de prontuários médicos de consultas e internações. A primeira coisa que identificamos é que, embora houvesse condições para que o prontuário estivesse todo estruturado, a maior parte das informações estava registrada em uma coluna só, de forma não estruturada”, afirma Leissi.

Além da dificuldade com os dados não estruturados, os pesquisadores foram identificando outros problemas, como a presença de informação sensível ou de códigos que simplesmente não deveriam estar ali e tornavam o conjunto de dados um tanto caótico.

“O primeiro desafio da equipe foi descobrir como obter conhecimento a partir desses dados. Era preciso limpá-los, proteger informação sensível, extrair conhecimento da massa de informação que estava ali”, explica Leissi.

Big data

Utilizando diversas técnicas apropriadas para tratamento de dados, com base em diferentes algoritmos, Leissi, com a equipe da BIOO e com o conhecimento médico de Massa, conseguiu lidar com a parte não estruturada de dados ao longo de todo o PIPE 1. De acordo com a pesquisadora, o objetivo da fase 2 será integrar no sistema todos os algoritmos desenvolvidos até agora, além de desenvolvê-lo como um produto. Os resultados foram animadores.

“Ao longo da fase 1, completamos todo o ciclo de análise de viabilidade do projeto. Com base nos dados retrospectivos fornecidos pelo HC, conseguimos elaborar uma classificação de risco inicial com acurácia de cerca de 85% na predição da complicação no pé de pacientes diabéticos. Vamos agora aprofundar a pesquisa para aprimorar esse resultado ainda mais”, diz Leissi.

O gigantesco volume de dados de pacientes do HC utilizados para o desenvolvimento do piloto está sendo armazenado em nuvem, segundo Leissi. “Estamos trabalhando com dados retrospectivos e temos informações de 14 anos dos pacientes de endocrinologia do HC, com novos dados entrando todos os dias. Por isso estamos colocando tudo na nuvem”, afirma Leissi.

A prova de conceito, segundo a pesquisadora, foi o primeiro passo para o futuro desenvolvimento de um sistema para predição de complicações no pé em pacientes diabéticos que possa ser aplicado em clínicas, hospitais e sistemas de saúde públicos e privados. A tecnologia proposta vai aprimorar a identificação dos pacientes em risco, possibilitando ações mais assertivas e individualizadas, auxiliando na prioridade de atendimento e melhorando a aplicação dos recursos de saúde.

“Foram extraídos diferentes produtos que poderão ser desenvolvidos. Não apenas um sistema de prevenção e classificação de risco, mas também um serviço de organização de dados, um sistema de gestão e de organização dos protocolos que devem ser aplicados pelos gestores, além de critérios objetivos para a priorização de pacientes”, explica Leissi.

Medicina de precisão

De acordo com Massa, o que faz com que uma empresa de dados possa mudar a evolução fisiológica de um problema de saúde é que, no caso do pé diabético, quanto mais precoce é o reconhecimento da evolução do problema, melhor é o prognóstico. Com os dados, os médicos podem estabelecer os protocolos corretos para cada caso.

“Percebendo padrões e compreendendo melhor os riscos de cada paciente, conseguimos indicar ao gestor ou ao médico a decisão mais acertada e o protocolo mais adequado. Quando um paciente já teve uma lesão no pé, o risco de ter mais complicações é mais alto. Um dos nossos diferenciais é que buscamos identificar o paciente antes que ele tenha a primeira lesão”, explica o médico.

O próximo passo, segundo Leissi, é trabalhar para que o sistema se torne uma ferramenta fácil de implantar, utilizar e processar. “A ideia é fazer tudo isso baseado em nuvem. Temos dados em larga escala, incluindo informações clínicas e resultados de exames, e fazemos todo um trabalho de higienização, proteção de informações sensíveis e padronização, de forma que seja possível criar um bioodataset, que é o conjunto de dados com os quais podemos rodar os algoritmos, analisar e fazer as predições.”

Segundo Massa, o banco de dados, que se tornará cada vez mais robusto ao longo do tempo, poderá ser utilizado não só para melhorar o atendimento clínico, mas também como uma importante ferramenta para estudos epidemiológicos.

“Esse processamento permite não apenas a predição de riscos, mas também a análise do próprio processo de atendimento médico. Pode-se identificar, por exemplo, um serviço de saúde no qual os casos têm um desfecho pior que nos demais e verificar se os protocolos estão sendo aplicados adequadamente”, afirma. “Pensando de maneira mais ampla, é provável que esse sistema comece a identificar padrões para outras doenças também.”