Um projeto de estudo da lombalgia crônica, enfatizando a importância de uma equipe multidisciplinar integrada às linhas de cuidado e revelando como o aprendizado de máquina pode auxiliar no tratamento para oferecer o bem-estar dos pacientes, foi o terceiro colocado no prêmio ‘IBRAVS 2021 – Cases de Saúde Baseada em Valor’. A premiação é organizada pelo Instituto Brasileiro de Valor em Saúde, que é uma entidade sem fins lucrativos fundada por profissionais de diversas organizações da cadeia da saúde.
Intitulado ‘Lombalgia Crônica nos Cuidados de Saúde Baseados em Valor e o Aprendizado de Máquina’, o projeto conta com uma equipe multidisciplinar composta de fisiatras, psicólogos, psiquiatras, neurocirurgiões, fisioterapeutas e profissionais de Ciência de Dados.
Dois atuais e um então profissionais da Unidade de Negócios de Bionanomanufatura do Instituto de Pesquisas Tecnológicas (IPT) colaboraram no projeto coordenado pelo neurocirurgião Vinícius Guirado, especialista em dor e coluna vertebral e coordenador do Centro de Coluna e Dor do Hospital Leforte Liberdade.
O projeto começou em 2012 com a proposta de Guirado em encontrar um hospital com um maior número de casos, trazendo a experiência do Hospital das Clínicas da Faculdade de Medicina de São Paulo a uma instituição privada, no caso o Hospital Leforte, a fim de intensificar as ações de acompanhamento médico de modo multidisciplinar após a realização das cirurgias – por exemplo, auxiliar a reabilitação do paciente que continuava com dor e/ou aquele com problema de insônia.
Os dados dos pacientes começaram a ser coletados a partir de 2014 e, em julho de 2020, o IPT foi procurado para auxiliar no projeto.
"Foi a primeira vez que trabalhamos em um projeto de data science em relação à área de saúde. Os dados vieram dos pacientes de forma bastante crua, e tivemos todo o trabalho de fazer a sua análise, eliminando as informações que poderiam interferir no modelo de aprendizagem de máquina, porque não seria possivel a sua alimentação com dados inconsistentes", explica Reis. Um exemplo de contradição é uma pessoa responder a uma mesma pergunta de formas diferentes em dois questionários, o que poderia causar a má interpretação dos dados.
"Fizemos todo um trabalho de teleprocessamento de dados para chegar a um modelo de aprendizagem de máquina", completa ele. "Foi um trabalho multidisciplinar em que, além de se aprofundar na área de ciência de dados, tivemos que entender melhor a área de medicina ligada à lombalgia. Unir os conhecimentos dessas duas áreas foi um trabalho difícil que só foi possível graças à colaboração entre os pesquisadores do IPT e os médicos ligados ao projeto".
Esta interação foi fundamental no projeto porque não bastava extrair as informações a partir dos dados levantados: apenas os médicos poderiam dizer o que deveria ser considerado para auxiliar no processo de reabilitação. Por exemplo, apareceu somente após a interpretação dos dados a descoberta de que pacientes com dores lombares e também nas pernas, simultaneamente, preferiam se ver livres primeiramente das dores lombares.
"As áreas de Ciência de Dados e Machine Learning têm ganhado cada vez mais importância estratégica nas principais empresas brasileiras", completa Reis. "Para não ficar para trás da concorrência, é necessário investir nessas tecnologias de modo a permitir que os dados gerados pela empresa em sua operação possam entregar insights que não seriam possíveis sem o uso do aprendizado de máquina, criando soluções inteligentes e que geram valor."
Até o momento, um dos principais resultados está na redução das informações necessárias para executar um diagnóstico: foram compiladas as respostas de sete formulários diferentes preenchidos pelos pacientes e conseguiu-se reduzir de 140 para quatro o número de questões que seriam suficientes para identificação dos sintomas de dor. Em uma situação ideal, explica Reis, a melhor alternativa seria o paciente responder ao maior número de perguntas; no entanto, um paciente debilitado responder a mais de 100 questões está longe de ser a situação ideal.
O projeto, completam os pesquisadores do IPT, funcionou como um catalisador para que a unidade de negócios de Bionanomanufatura começasse a agregar conhecimentos na área de ciência de dados a outros projetos em áreas como genômica, bioprocessos e desenvolvimento de testes de diagnóstico, para entregar soluções mais completas e sofisticadas aos clientes.
