O Dr. Van Laere deu os primeiros passos para desenvolver uma solução baseada em IA ao unir forças com um grupo de pesquisa em bioinformática na Universidade de Antuérpia. As primeiras iterações da solução foram financiadas por uma bolsa da universidade. Um pesquisador local trabalhando no projeto tornou-se o primeiro colega a se juntar à Innocens BV, uma joint venture derivada da Universidade de Antuérpia e do UZA.

O Dr. Van Laere também discutiu possíveis soluções com seu amigo íntimo Dirk A. Claessens, executivo da IBM, consultor e especialista em IA, dados e análise preditiva.
 
A dupla frequentemente trocava histórias de trabalho em seus passeios semanais de bicicleta pela cidade ou durante uma refeição no bistrô local. Esses encontros eram um alívio bem-vindo para o Dr. Van Laere, cuja rotina normalmente consistia em cuidar de recém-nascidos em crise e ter conversas difíceis com pais receosos.
 
Foi durante esses encontros que os dois perceberam que tinham mais em comum do que o amor pelo ciclismo e pela boa comida - eles também compartilhavam a paixão pelos dados. "Os dados contam uma história.Quando um paciente tem complicações graves, podemos ver como sua fisiologia está mudando nos dados. Deve haver uma maneira de determinar para onde essa história está indo, para que possamos melhorar o final", disse o Dr. Van Laere. Com esse lampejo de inspiração do médico, Claessens começou a anotar ideias.
 
"A solução que você deseja criar precisa ajudar a detectar mais rapidamente os possíveis sinais que podem indicar resultados adversos, como sepse, em recém-nascidos, com base nos dados que você tem", disse Claessens durante a animada discussão. A UTIN da UZA tinha uma década de dados de admissão de bebês prematuros e de baixo peso ao nascer, o que deu aos dois homens um ponto de partida sólido. O Dr. Van Laere queria incorporar esses dados em uma solução preditiva habilitada para IA, capaz de fornecer insights aos profissionais de saúde."Minha principal preocupação é ter a capacidade de ver os sinais de uma possível infecção o mais rápido possível—mesmo à noite, mesmo quando nossa unidade está ocupada."
 
Com a amplitude das soluções de IA e a experiência técnica da IBM Consulting em Amsterdã, do IBM Research em Almadén e do IBM Watson Center em Munique, Claessens sabia que a IBM poderia ser a parceira tecnológica ideal para concretizar a visão do médico. Essas sessões de brainstorming, juntamente com os desenvolvimentos do grupo de pesquisa da Universidade, levaram o Dr. Van Laere e sua equipe a lançar a Innocens BV, uma subsidiária criada para desenvolver e validar ainda mais a solução Innocens.

Innocens, que é a abreviação de "Improving Neonatal Outcome with a Clinical Early Notification System" (melhorando o resultado neonatal com um sistema de notificação precoce clínica), é uma tecnologia de edge computing que treina computadores para analisar fluxos de dados de pacientes a fim de encontrar padrões que possam indicar sepse de início tardio. De acordo com o Dr. Van Laere, uma solução como a Innocens é construída sobre três pilares: um modelo preditivo, uma interface de usuário convincente e uma arquitetura robusta.

Modelo preditivo

Os clientes podem treinar computadores usando um processo chamado aprendizado de máquina, uma subcategoria de IA que usa algoritmos para aprender com dados, extrair inferências de padrões dentro deles e ajudar a prever resultados. Esses algoritmos estão constantemente corrigindo e se treinando para serem mais rápidos e precisos.

O IBM Client Engineering ajudou a Innnocens a desenvolver e testar o modelo federado de aprendizado de máquina que a solução Innocens BV pretende usar. A Innocens BV usou o IBM Watson Studio para treinar os modelos de aprendizado de máquina de sua solução para detectar infecções da corrente sanguínea em bebês na UTIN. O IBM Watson Studio, um serviço principal do IBM Cloud Pak for Data, fornece uma plataforma para criar, executar e gerenciar modelos em escala.

Interface do usuário

A interface amigável é intuitiva e fornece insights que podem ser interpretados pelo usuário. "Aproveitamos os recursos de IA explicáveis incorporados ao IBM Cloud Pak for Data, a plataforma de dados usada para a modelagem", explica o Dr. Van Laere. "Ao ajudar os usuários a compreender melhor o que os modelos estão dizendo a eles e por quê, estamos construindo uma base de confiança entre os profissionais de saúde e seus instrumentos—uma confiança que é imperativa se quisermos permanecer vigilantes."

Claessens expõe a importância da confiança. "A interface do usuário é absolutamente fundamental para fortalecer o entendimento do usuário sobre a tecnologia. Queremos fornecer tecnologia que dê aos médicos insights que eles possam usar para informar o diagnóstico. A ideia é que o computador eleva os insights humanos, mas o médico, por fim, mantém o controle."

Arquitetura robusta

Uma arquitetura robusta que integra a edge computing aproxima a computação e o armazenamento de dados da fonte de dados. Isso é crucial em um ambiente de saúde em que informações confidenciais são compartilhadas durante o processo de cuidados e em que o tempo é essencial. "Os dispositivos que farão visualização e previsão precisam estar próximos à fonte de dados e às pessoas que usam os dados", afirma Claessens.

Fontes de dados dispersas podem comprometer a segurança e levar à latência de resposta. "Existe o hospital, depois o quarto do paciente dentro do hospital e, então, os dispositivos dentro do quarto do paciente Desejamos isolar cada uma dessas áreas para ajudar a proteger os dados e processar insights em tempo real", diz Claessens.

Os modelos da Innocens são executados localmente dentro dos firewalls do hospital e podem funcionar e evoluir sem remover dados confidenciais do hospital. “Os dados brutos permanecerão no local. O aprendizado de máquina federado faz isso sem mover os dados. Os parâmetros irão migrar no armazenamento em nuvem, mas os dados brutos permanecerão dentro das paredes do hospital", diz Claessens.

O impacto da tecnologia Innocens está sendo investigado em ensaios clínicos. A disponibilidade comercial pode ocorrer nos próximos anos.

O que começou como uma simples troca de ideias entre amigos acabou se transformando em uma abordagem inovadora para os cuidados neonatais.

Na Innoncens BV, o Dr. Van Laere e sua equipe usaram a tecnologia IBM para criar um ambiente de dados e IA que permite aos médicos estudar padrões, questionar resultados e projetar cuidados individualizados baseados em valor.

O modelo preditivo fornece aos médicos uma base contínua, explicável e orientada por dados para suas decisões de cuidados. O Dr. Van Laere continua: "Innocens trabalha junto a nós para monitorar lactentes o tempo todo, sete dias por semana." Ao aumentar a inteligência dos profissionais de saúde atuam diretamente com os pacientes, os médicos da UTIN podem se concentrar em fornecer conforto e cuidados de precisão para seus pacientes.

Em última análise, o Dr. Van Laere e Claessens veem o impacto da solução Innocens na previsão de potenciais casos iniciais de sepse e no tratamento como o início de uma jornada mais longa para aplicar a IA na melhoria do cuidado de recém-nascidos. "Esperamos que a mesma abordagem orientada por modelo possa ser usada para detectar outras complicações da prematuridade em um estágio anterior", diz Van Laere. IBM Cloud Pak for Data, IBM Watson Studio e IBM Watson Machine Learning estão impulsionando e sustentando os planos da Innocens BV para implantar a solução em outros hospitais e sistemas de UTIN em todo o mundo.

A Innocens BV (link reside fora de ibm.com) é uma startup de pesquisa e desenvolvimento originária da Unidade de Terapia Intensiva Neonatal do Hospital Universitário de Antuérpia (UZA).Innocens é a abreviação de "Improving Neonatal Outcome with a Clinical Early Notification System" (melhorando o resultado neonatal com um sistema de notificação precoce clínica)", e a solução Innocens tem como objetivo desenvolver um sistema de suporte a decisões clínicas com base na tecnologia de IA.

¹ Palmeira, P., Quinello, C., Silveira-Lessa, A. L., Zago, C. A., & Carneiro-Sampaio, M. (2012). Transferência placentária de IgG em gestações saudáveis e patológicas. Clinical & developmental immunology, 2012, 985646. https://doi.org/10.1155/2012/985646