graph.md - doctor

O foco do projeto síntese de conhecimento da graph.md é construir uma ferramenta realmente relevante para o apoio ao diagnóstico. Essa tecnologia tem o objetivo de integrar todos os registros médicos do paciente, fornecendo a possibilidade de análise das informações para a triagem, atendimento remoto e ou encaminhamento para centros de tratamento especializados, por meio de atendimentos virtuais, permitindo uma investigação detalhada do seu caso. Outra possibilidade é o monitoramento por agentes inteligentes indicando automaticamente o estado e a necessidade do seu respectivo acompanhamento pelo próprio médico. Nesse contexto, a tecnologia permite a transformação de informações clínicas em conhecimento diagnóstico, tendo como base a visão do médico especialista para a criação de protocolos diagnósticos mais eficientes nas diferentes áreas da medicina.

A partir da identificação do contexto atual, a ideia é criar modelos de protocolos de comunicação interativos para cada grupo diagnóstico reconhecido e associados aos em andamento. Cada interação realizada pelo médico pode ser inserida no protocolo padrão, que pode ser automático ou necessitar de autorização para envio.

Outra possibilidade é o reconhecimento de padrões interativos. Quando a IA identificar no log de interação um comportamento padrão que não esteja no protocolo, será acionada uma solicitação para sua inclusão. Após o aceite do médico, esse novo padrão entra no radar de eventos a ser aplicado pela semelhança de contexto, assim como todos os outros anteriormente incluídos no modelo de comunicação em questão. Dessa forma, teremos um protocolo autoconstrutivo específico para cada situação. Voltando ao cenário colaborativo, os protocolos podem não apenas fazer parte do médico especificamente, mas podem ser compartilhados respeitando a aceitação do paciente dono do prontuário. Assim, na graph.md o médico tem o benefício de receber ajuda em uma dinâmica nova para ele que outros colegas já vivenciaram. [doctor e1 audiobook]

Todos os dados do PACIENTE são atribuídos por médicos que atendem vários outros pacientes em diferentes clínicas e hospitais. Mas os dados clínicos de uma pessoa não deveriam estar em sua posse? Por outro lado, diversos comportamentos causam sintomas e doenças ao longo do tempo. Da mesma forma, o cuidado ao longo do tempo gera benefícios à saúde. Diferentes experiências geram diferentes níveis de complexidade para cada pessoa. Mesmo coisas, supostamente simples para a maioria das pessoas, pode ser algo extremamente complexo: como a hidratação de um atleta em busca de uma medalha olímpica, ou a alimentação de um recém-nascido, em que minutos podem fazer a diferença entre a vida e a morte.

Quando uma pessoa pensa em comer é porque está com fome. Não pensa no impacto fisiológico no seu corpo, assim como não pensamos nas palavras, a nossa inteligência não nos permite pensar nas sinapses necessárias para gerar palavras. Sempre que possível observamos no mais alto nível de abstração, guiados pela lei do menor esforço. Mas quando sentimos alguma dificuldade, descemos aos níveis mais baixos para tentar entender o problema e procurar uma solução, por exemplo, porque nos falta energia, ou porque estamos sentindo algum desconforto, ou dor em alguma parte do corpo.

O PACIENTE é propagado em todos os médicos que o trataram ao longo da sua vida. Mas agora esse mesmo PACIENTE pode centralizar todas as suas informações que não são dele, são dos médicos que o analisaram. Observar esse aspecto é essencial para perceber a redução da complexidade do sistema e ao mesmo tempo manter a integridade dos dados. A base de conhecimento de uma pessoa pode ser do mesmo tamanho que a de um médico especialista. Do paciente: é grande porque tem todos os eventos da sua vida relacionados à sua saúde. Do médico: porque tem todos os eventos de pacientes que já tiveram determinada doença em algum momento. Por outro lado, mais um paciente na base de conhecimento pode alterar os resultados dos algoritmos, como a última gota que faz a água transbordar no copo.

Surge a necessidade de sintetizar, criando uma base de conhecimento específica para realizar o diagnóstico momentâneo que colete todas as informações necessárias do paciente e dos mapas dos especialistas, sugira uma hipótese diagnóstica e seja eliminada, sem primeiro devolver as informações novas e relevantes ao pacientes, registrando esta consulta, e da mesma forma, possibilitando ao especialista gerar novas análises a partir desses novos casos clínicos, que futuramente poderão fazer parte das bases de conhecimento de outros diagnósticos determinados. Agora imagine, milhões de pacientes, com milhares de médicos, dentro de um cenário de 10 mil doenças catalogadas que listam mais de 5 mil sintomas, não parece ESTRANHO. [doctor e2 audiobook]

Tudo é recorrente, os ciclos se fecham em diferentes unidades de tempo: segundos, para a resposta facial numa conversa; minutos para a próxima respiração, horas para dormir; dias para comer; anos para aprender; e uma vida para viver. A complexidade do sistema não pode ser mensurada, mas o fato é que não há possibilidade de fornecer suporte diagnóstico médico de qualidade com dados de PACIENTES perdidos em bases de dados institucionais, onde são apenas um registro de um conjunto de tabelas e relacionamentos. O Futuro da IA está na previsão de arestas: BiTemporalidade é um conceito importante, precisamos sempre saber o estado atual do paciente, esta é a PRIMEIRA DIMENSÃO; também precisamos saber como era o quadro clínico dele anteriormente, então a SEGUNDA DIMENSÃO é uma volta no tempo. Nesse sentido, com a máquina do tempo à nossa disposição, podemos realizar análises transversais para identificar a evolução de um determinado comportamento ou sintoma físico. Devido ao grande volume de informações e ao alto fluxo de dados, os algoritmos mais complexos ficam restritos a serem aplicados previamente no momento da análise clínica. Por esse motivo, é possível utilizar a mesma estrutura de armazenamento temporal para colocar os resultados do processamento desses algoritmos em tags diretamente nas bases de conhecimento, identificando comportamentos de casos clínicos anteriores. Por exemplo, criamos um nó para relacionar dois ou três sintomas (agrupamento) e ligá-los diretamente à doença com a respectiva probabilidade. Portanto, caso um paciente apresente esses sintomas, podemos realizar uma consulta complementar sobre os sintomas que levariam a uma determinada hipótese diagnóstica. Com esses filtros inteligentes é possível criar formulários dinâmicos para navegar por 50 conceitos dentro de um universo de 50 mil, com pelo menos 500 mil relacionamentos. Mesmo para grandes especialistas não seria possível verificar todas essas possibilidades devido ao aumento significativo de tecnologias que geram cada vez mais informações clínicas. Não se trata mais de conhecimento ou inteligência, o limite passa a ser a capacidade de processamento do cérebro humano. Outro aspecto é que situações diferentes geram necessidades diferentes. Portanto, quanto mais específico for o diagnóstico, mais distante ele estará dos sintomas mais comuns. Há um limite para o quanto um paciente sabe sobre sua situação, ele pode saber sobre seu cansaço. Mas não estudou a vida toda para saber que existe um problema congênito no seu ventrículo esquerdo sem o apoio de um especialista. Dessa forma, o diagnóstico migra alguns conceitos da base de conhecimento do PACIENTE para o universo distinto do especialista com mais 50 mil conceitos. Agora imagine ser chamado para uma consulta porque um especialista não gostou do resultado de alguns de seus exames. Aqui podemos sair do universo da doença diagnosticada e entrar no LOOP da saúde preventiva. [doctor 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