IAssist - Assistente Médico

• Processo: 21/12040-3
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de março de 2022
• Data de Término da vigência: 31 de agosto de 2024
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: SEBRAE-SP
• Pesquisador responsável: André Gustavo Cavalcanti de Melo
• Beneficiário: André Gustavo Cavalcanti de Melo
• Empresa: IAssist Desenvolvimento de Programas Ltda
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Atividades de atenção ambulatorial executadas por médicos e odontólogos ; Atividades de serviços de complementação diagnóstica e terapêutica
• Município: São Paulo
• Pesquisadores associados: André Fujita ; João Paulo Papa ; Mariangela Correa ; Miriam Galvonas Jasiulionis ; Vladmir Cláudio Cordeiro de Lima
• Vinculado ao auxílio: 20/05779-0 - IAssist - Assistente Médico, AP.PIPE
• Auxílio(s) vinculado(s): 21/15044-0 - IAssist - Assistente Médico, AP.PIPE
• Bolsa(s) vinculada(s): 22/13262-2 - IAssist - Assistente Médico, BP.TT; 22/10923-8 - IAssist - Assistente Médico, BP.TT; 22/02474-9 - IAssist: assistente médico, BP.TT; 22/01629-9 - IAssist: assistente médico, BP.PIPE
• Assunto(s): Aprendizado computacional Inteligência artificial Aplicativos móveis Diagnóstico por computador Oncologia Oncologia pediátrica
• Palavra(s)-Chave do Pesquisador: Aplicativo móvel | Apoio ao Diagnóstico | Aprendizagem de Maquina | Inteligência Artificial | Oncologia | Oncologia Pediatrica | Inteligência artificial

Resumo

O presente projeto visa a continuidade das atividades que estão sendo desenvolvidas na Fase 1 no âmbito do Programa PIPE-FAPESP, processo nº 2020/05779-0, com período de vigência de 01/04/2021 a 31/12/2021. O "IAssist - Assistente Médico" é um aplicativo baseado em IA e Machine Learning para uso pela comunidade médica que realiza atendimento primário e secundário de pacientes, em especial para aqueles profissionais localizados em regiões distantes dos centros de referência, com carência de médicos especialistas em Oncologia. A solução pode ser classificada como um sistema de sistema de apoio à decisão clínica (Clinical Decision Support System ou CDSS), voltada a auxiliar o médico no processo de diagnóstico de câncer. A demora no diagnóstico e a escassez de especialistas estão entre os principais fatores que colaboram para o aumento dos índices de mortalidade por câncer no Brasil. A maior assertividade na identificação da condição do paciente minimiza a possibilidade de erros de diagnóstico e dá ao médico mais segurança para o encaminhamento do paciente a um serviço secundário ou terciário de saúde (centro especializado em Oncologia), reduzindo dessa forma o tempo para início do tratamento, propiciando uma melhor qualidade de vida, melhorando a sobrevida do paciente1 e permitindo a redução de custos relacionados com consultas e exames desnecessários, diminuindo dessa forma a pressão sobre os serviços públicos e privados de saúde. A ferramenta aqui proposta se apresenta como uma solução viável e eficaz no auxílio ao diagnóstico médico. Com base em algoritmos que estão aprendendo a relacionar sinais, sintomas e dados clínicos de pacientes a partir de dados anonimizados de prontuários de pacientes provenientes de centros de referência em câncer, com os quais estabelecemos Termos de Cooperação Técnica, tais como o Hospital de Amor (Hospital de Câncer de Barretos) e do Hospital da Criança de Brasília José de Alencar (ambientes controlados), assim como de hospitais não oncológicos (ambientes não controlados), o aplicativo processa dados clínicos e laboratoriais de pacientes, com o objetivo de oferecer aos médicos que realizam o atendimento primário e secundário de um paciente a sugestão de um provável diagnóstico de câncer e o percentual de assertividade dessa sugestão. Nesta Fase 1 inicial, análises de 2.000 prontuários de pacientes infanto-juvenis não oncológicos e com tumores de sistema nervoso central ou de cavidade abdominal pelos algoritmos desenvolvidos revelaram alto grau de acurácia, sensibilidade e especificidade, confirmando a viabilidade da proposta. Na Fase 2 deste projeto, ampliaremos a análise dos tumores infantojuvenis de maior incidência. A solução também pode ser empregada para rodar periodicamente em batch (em lotes) um grande volume de dados de prontuários de pacientes das instituições de saúde contratantes, procurando identificar sinais e sintomas que possam indicar eventuais casos oncológicos, favorecendo dessa forma o diagnóstico precoce. Ferramentas digitais que auxiliam a tomada de decisão clínica (CDSS) já existem há algum tempo, mas se baseiam principalmente na análise de imagens ou marcadores moleculares. Os fatores que caracterizam a inovação da solução proposta neste projeto são: (1) as entradas de dados podem realizadas com dados não estruturados em linguagem natural, exatamente como constam do prontuário médico do paciente; (2) podem ser alimentadas diretamente no aplicativo ou por integração com plataformas digitais de saúde; e (3) todo o processo é realizado em língua portuguesa. Apesar de extensa pesquisa, não identificamos nenhum concorrente direto, no Brasil ou no exterior, que apresente essas características. Entre os clientes-alvo desta solução estão as Unidades Básicas de Saúde (UBS) dos 5.568 municípios brasileiros, outros serviços públicos e privados de saúde, operadoras de planos de assistência médica e plataformas digitais de saúde. (AU)