graph.md - technology

A graph md desenvolveu uma arquitetura inovadora de síntese de conhecimento aplicada a telemedicina utilizando Graph Data Science com o banco de Graph DBs Neo4j Enterprise. Conseguimos colocar nele todas as doenças classificadas do mundo e os principais sintomas do PubMed. O Graph DB possui cinquenta mil termos para Pacientes, Sintomas e Doenças; e quatrocentos mil relacionamentos entre nós. Segundo opinião dos principais especialistas: Não seria possível construir o modelo com essas características em um banco de dados relacional.

Neste Sistema Complexo é possível mostrar a viabilidade da ideia de propor uma solução de armazenamento de inteligência baseada na construção de bases pessoais de pacientes. Num futuro próximo, uma pessoa terá um sistema maior do que o de uma grande empresa hoje.

Considerando modelos como dados dependentes. A proposta foi criar uma arquitetura para reduzir significativamente o volume de relacionamentos da base de conhecimento. Para resolver a questão do isolamento, foi criado o conceito de bases de síntese do conhecimento, que dá nome ao projeto.

As bases de zero conhecimento recebem dados dos pacientes e mapas diagnósticos para que agentes inteligentes validem as hipóteses mais prováveis. Neste momento, toda a IA já está pré-armazenada em tags e relacionamentos dentro da base de síntese, com seus respectivos valores pré-calculados pelos algoritmos de IA que foram validados pelos médicos especialistas. É aqui que entra o conceito de Knowledge Place para rentabilizar a solução. Os pacientes não pagam pelo aplicativo, mas sim pelo conhecimento aplicado às suas necessidades de saúde.

Porque, como sabemos, a análise do diagnóstico de um paciente pode ter diferentes níveis de abstração para diferentes médicos especialistas! Criamos através desta arquitetura inovadora o super app graph.md em java spring data na plataforma de alto desempenho na cloud. Com diferentes pontos de vista pode-se navegar entre cinquenta mil termos, com no máximo cinquenta escolhas, ou atribuições, feitas através de perguntas com orientações ou sugestões de respostas.

Permitindo assim, a navegação no graph md de forma inteligente. A interação entre pacientes e médicos especialistas para definir uma hipótese diagnóstica pode ser síncrona ou assíncrona. A mágica acontece com a identificação do contexto inicial, ou seja, todos os pacientes que são aproximadamente iguais ao paciente analisado que já possuem um diagnóstico atribuído na base de conhecimento.

Ao entrar neste grupo, podemos verificar se o paciente em análise tem alguns dos conceitos complementares dos outros pacientes que já foram diagnosticados. Com escolhas assertivas, percorrendo o caminho mais curto dentro do grafo para atingir o objetivo de verificar ou excluir uma hipótese diagnóstica inicial. Consultas mais inteligentes que encontrem apenas os termos mais relevantes podem ser utilizadas neste momento. Finalizando o processo, mostramos os termos, ou sintomas classificatórios, para os diagnósticos alvo. Esse processo ocorre em ciclos iterativos e interativos. O sistema graph.md fica sempre a disposição para ajudar o paciente a fornecer as informações relevantes a cada momento, e ao médico a descobrir o diagnóstico baseado em metodologias médico científicas comprovadamente assertivas. Importante observar que a ai nesse ponto está um nível abaixo da metodologia médica. Apenas são executadas ações de identificação de contexto no processo diagnóstico. O processo pré diagnóstico cria as bases de estudos médicos, nesses estudos longitudinais na linha do tempo com parâmetros transversais isolados, aí sim, os médicos podem aferir a evolução temporal dos parâmetros e criar guidelines que futuramente serão aplicados ao diagnóstico dos pacientes na plataforma graph.md. Muitos desses parâmetros estão apenas no universo fisiológico, não são relacionados a sintomas e doenças. Aqui uma importante contribuição de atuar na saúde preventiva, não apenas com orientações genéricas, mas com ações objetivas que retiraram o paciente de uma exposição acentuada a um determinado risco específico e contextualizado. Ações simples, práticas e personalizadas que movimentam o paciente de um estado de risco mapeado no graph.md para um estado fisiológico seguro da mesma forma mapeado no graph.md, isto considerando tanto os aspectos genéticos, como os fenotípicos. Observando que uma carga genética de risco, não imputa ao paciente a doença, apenas exige dele um comportamento mais assertivo para suprimi-la. [technology e1 audiobook]

Como exemplo, segue a alegoria, no universo sintético da graph.md, os dados dos produtos das empresas chegam ao Graph BD seguro, a pessoa interage neste BD Graph ZK (Zero Knowledge), escolhe os melhores produtos (tênis) para o seu perfil (de uso) com base em seus logs, no registros de amigos e especialistas em esportes. Feita a escolha, o usuário irá solicitar uma compra anônima, coletar os dados que deseja manter de sua análise e descartá-los, ou salvar os dados em um banco de dados em seu perfil. O importante é que a empresa não guarda nenhum dado de nossos membros, tudo é protocolado e definido para que as interações e sínteses ocorram nos ZK Graphs de propriedade de pessoas, estranho pensar que a pessoa tem que entrar no site da loja da empresa (amazon , best buy, nike, etc) se agora ela puder receber tudo o que precisa e fazer uma escolha ZK com compra anônima. Uma vez realizada a transação, as pessoas não recebem publicidade sobre nada, pois não há informações sobre a pessoa fora do seu graph.md Universe. Exceto em condições específicas e controladas, para ser utilizado apenas em seu benefício, como apoio ao diagnóstico médico. O protocolo HIPAA (Health Insurance Portability and Accountability Act), há muito aplicado no setor de saúde, é citado aqui como referência para uso.

O desenvolvimento de modelos computacionais para suportar soluções de Synthesis é baseado na perspectiva de mapeamento integral do conhecimento em um graph md. Com a interação dinâmica é possível criar esquemas nesses graph dbs apoiados na Object Process Methodology definida por Dov Dori do Israel Institute of Technology, buscando uma experiência mais significativa para o usuário que passa a fazer parte do processo de construção da base de conhecimento de forma simples e intuitiva. São permitidas múltiplas perspectivas de visualização, proporcionando uma análise real dos dados com base em seus relacionamentos. Fato que seria impossível para grandes especialistas se fossem processados por um banco de dados relacional. Essa diferença motiva o direcionamento da síntese de conhecimento desenvolvida para a plataforma graph.md. [technology e2 audiobook]

Para não sermos extensos sobre esse assunto apenas cita-se o conceito de “relações líquidas” definido por Zygmunt Bauman falando sobre a sociedade pós-moderna. Felizmente o autor traz uma ideia positiva sobre o tema da humanidade. Acreditamos que a contribuição de todos nesse aspecto é fundamental para equacionarmos esse dilema existencial. Inverter o papel da tecnologia de grande vilã para um instrumento positivo de transformação é o que motiva o projeto de Síntese de Conhecimento da plataforma graph.md. Queremos transformar o usuário em engenheiros do seu conhecimento!

Trabalharemos muito duro para disponibilizar a melhor tecnologia possível para as pessoas, que hoje é apenas acessível às grandes empresas. Aqui vem o ponto chave: uma pessoa terá um sistema maior que o de uma grande empresa. Cada indivíduo construirá o seu sistema durante toda sua vida. Em todos os aspectos básicos e não subjetivos os sistemas serão aproximadamente iguais, assim, não é mais o sistema que será desenvolvido. Todo o sistema básico e padronizado já está desenvolvido e pronto para uso. Mas a base não! Então nesse universo, ocorre a inversão completa do processo.

A pessoa que deverá preparar e modelar a sua base para disponibilizar seus dados a determinado aplicativo. Essa ideia parece estranha ao mundo computacional atual de desenvolvimento contínuo de sistemas que não tem fim, mas se pararmos um pouco e pensarmos, para tudo na vida as pessoas tem que se preparar para participar e realizar. Provas de vestibular para universidade, concursos públicos, mudança de hábitos na transição da vida de solteiro para a de casado, aprendizado constante e contínuo para a criação dos filhos e, ou mesmo, apresentação de provas em um tribunal quando intimados pelo juiz.

Todos os processos da vida em sociedade já estão definidos, esses apenas vão se aprimorando. Devemos pensar em um sistema que permita uma interação complexa! Estamos hoje na era dos super protocolos, como o ChainLink, Ocean protocol, SDAO e Agix, e indo para a era dos super aplicativos daqui há alguns anos. Nosso objetivo é que os super apps sejam os das pessoas e não os das empresas. No mais, direcionar todas as nossas energias para construir um mundo melhor. Assim, sempre estaremos desenvolvendo tecnologia de pessoas para pessoas dentro da plataforma graph.md. [technology e3 audiobook]

entre em contato

contato@graph.md para saber mais informações sobre graph md points of view.

Av. João Pessoa, 731 - Sala 802 - Cep: 90.040-000 - Porto Alegre, Brazil