Gémeos digitais médicos: modelar os cuidados de saúde do doente até à enfermaria

Gurpreet Singh

Apesar de viverem mais tempo, as pessoas estão a ter taxas mais elevadas de doenças agudas e crónicas, aumentando a carga sobre os sistemas de saúde.1 A escassez de camas hospitalares e de pessoal, juntamente com as limitações na monitorização manual dos doentes, pode levar a ineficiências operacionais e a custos acrescidos.2 

Para enfrentar estes desafios, as organizações de cuidados de saúde estão a utilizar dados para mudar drasticamente os cuidados prestados aos doentes. Ao nível do doente, os registos de saúde eletrónicos (EHR), as informações dos registos de doenças, os dados “ómica” (como genómica, biómica, etc.) e as informações demográficas podem ser combinados para criar modelos estatísticos sobre o estado de saúde atual e em tempo real de uma pessoa.3 Isto é o que é referido como um gémeo digital médico.

Mas os gémeos digitais médicos não têm de estar limitados a corpos humanos. Também podem funcionar como representações virtuais de sistemas ou processos, como fluxos de trabalho de radiologia ou enfermarias de doentes. Os gémeos digitais permitem que os sistemas de saúde utilizem dados em tempo real para simular e prever como diferentes fatores terão impacto não apenas nas respostas individuais das pessoas, mas também nas operações gerais de cuidados de saúde e em unidades de cuidados hospitalares completas.3 

Nos Roche Experience Days (RED) 2024, Gurpreet Singh, fundador e CEO da Respiree, forneceu informações sobre como os gémeos digitais estão a afetar os cuidados de saúde e a permitir que os médicos tomem melhores decisões para os doentes.

Análise preditiva vs. tecnologia médica de gémeos digitais

Embora as análises preditivas e os gémeos digitais sejam, por vezes, utilizados indistintamente, existem várias diferenças entre ambas, de acordo com Gurpreet  Singh. Em primeiro lugar, um gémeo digital coloca mais ênfase nos dados em tempo real, o que é fundamental para treinar modelos de aprendizagem automática de inteligência artificial (AI-ML, artificial intelligence-machine learning). “O modelo precisa de ter feedback sobre o que vai acontecer de seguida”, disse. Por outro lado, a análise preditiva pode usar dados assíncronos, por exemplo, na previsão. De acordo com Gurpreet Singh, um modelo de AI-ML gémeo digital é caracterizado por uma necessidade de feedback mais contínuo e em tempo real. Esse loop de dados permite que o gémeo digital preveja com precisão como o doente responderá.

Outra diferença é que um gémeo digital depende da comunicação interligada entre canais ou sistemas, como dados de dispositivos vestíveis, sistemas de monitorização clínica, EHR e imagens médicas.3 A integração e interação eficazes entre estes sistemas são cruciais para um intercâmbio de dados em tempo real perfeito.

E, por último, um gémeo digital inclui tanto a análise preditiva como a análise prescritiva para simular respostas a estímulos, quer mecânicos ou fisiológicos. “Permite não apenas prever informações, mas fornecer uma recomendação e, em seguida, monitorizar essa recomendação”, disse Singh. Para um doente, isto permite a regulação das intervenções terapêuticas e determina a forma como está a responder. Ao nível dos sistemas, um gémeo digital identifica ineficiências, fornece recomendações para otimizar a utilização de pessoal ou equipamento e monitoriza o impacto das alterações.3 

Principais características dos gémeos digitais médicos

Gurpreet Singh partilhou três fatores-chave sobre gémeos digitais:

1. Fluxo de dados bidirecional: Os dados de entrada, como mecanística, genómica, proteómica e fisiomolecular, são alimentados para os modelos com a saída subsequente de dados. “Tem de impulsionar os cuidados prestados ao doente. Tem de melhorar através de alguma forma de intervenção, que, depois, volta novamente para o modelo para permitir que este aprenda, de uma forma eficaz como num fluxo de dados bidirecional", comentou Gurpreet Singh.

2. Modelos digitais: Os modelos são desenvolvidos com IA e ML, e podem incluir modelos de linguagem de grande escala (LLM, large language models). Estes modelos fundamentais fornecem uma visão mais profunda e mais rica dos resultados dos doentes.

3. Dados padronizados e harmonizados: Os dados variáveis contínuos são introduzidos nos modelos com a resolução de milissegundos, segundos e minutos, refere Gurpreet Singh. Os dados têm de ser padronizados e harmonizados em diversos conjuntos de dados que forneçam informações relevantes ao sistema de saúde ou às entidades pagadoras.

Do órgão para a unidade de cuidados ao doente

Como discutido anteriormente, os gémeos digitais podem ser praticamente implementados em vários níveis nos cuidados de saúde, de acordo com Gurpreet Singh. Um primeiro nível pode ser de um órgão, como um gémeo digital de um pâncreas, que pode simular respostas à administração automática de insulina. Noutro nível, um gémeo digital pode modelar o fluxo de trabalho operacional de uma unidade de radiologia, por exemplo, para ajudar a identificar o potencial de melhoria, tal como tempos de espera mais curtos, uma resposta mais rápida dos doentes, maior utilização do equipamento e menores custos com pessoal.

Num nível ainda mais alto, pode haver um gémeo digital de uma unidade de cuidados ao doente ou enfermaria hospitalar. A este nível, os gémeos digitais podem ajudar a otimizar a alocação de camas ou apoiar a previsão precoce da progressão da doença, sem depender de recursos humanos ou manuais. “Além do desenvolvimento do modelo, também é importante fechar o fluxo de trabalho. Essencialmente, precisa de conseguir permitir uma gestão proativa,” observou Gurpreet Singh. “Como é que pode permitir que os enfermeiros e os sistemas de saúde identifiquem o agravamento da situação dos doentes muito antes de acontecer, em vez de quando tal acontece, de forma a que possam otimizar o seu fluxo de trabalho?”, disse.

Expandir a adoção

À medida que os custos e as exigências de cuidados de saúde continuam a aumentar, os gémeos digitais podem disponibilizar um apoio significativo para melhorar a eficiência operacional e os cuidados personalizados. “Existe um potencial na utilização de gémeos digitais e dados para realmente aumentar os recursos, a equipa e apoiar tratamentos personalizados”, comentou Gurpreet  Singh.

Os gémeos digitais serão especialmente importantes à medida que as novas tecnologias chegarem aos consumidores. Gurpreet Singh acrescentou: “Muitos dispositivos de consumo (wearables) também estão a chegar ao mercado. Há mais interesse em criar sistemas IoT (Internet das Coisas) ligados.”

Em comparação com a IA preditiva clássica, os gémeos digitais oferecem um sistema mais ligado e integrado, conclui. Embora a IA preditiva se concentre em previsões individuais, os gémeos digitais utilizam  o processamento de dados em tempo real e incorporam feedback contínuo.3,4 Esta tecnologia está a mudar  os cuidados de saúde, criando um sistema mais dinâmico que melhora não só o tratamento médico, mas também as experiências dos doentes e dos prestadores de cuidados de saúde.