Select your cookie preferences

We use essential cookies and similar tools that are necessary to provide our site and services. We use performance cookies to collect anonymous statistics, so we can understand how customers use our site and make improvements. Essential cookies cannot be deactivated, but you can choose “Customize” or “Decline” to decline performance cookies.

If you agree, AWS and approved third parties will also use cookies to provide useful site features, remember your preferences, and display relevant content, including relevant advertising. To accept or decline all non-essential cookies, choose “Accept” or “Decline.” To make more detailed choices, choose “Customize.”

Pular para o conteúdo principalAWS Startups

Como a Pieces Technologies utiliza os serviços da AWS para prever os resultados dos pacientes

Como estava esse conteúdo?

O que você faria se pudesse prever o futuro?

Com os recursos avançados das ferramentas preditivas de inteligência artificial (IA) e machine learning (ML), a previsão do futuro, pelo menos probabilisticamente, pode estar ao nosso alcance.

A Pieces Technologies, Inc. (Pieces), uma startup de saúde e ciências da vida, está abrindo caminho no espaço preditivo de IA/ML. Pieces é uma plataforma de IA baseada em software como serviço (SaaS) integrada ao registro eletrônico de saúde (EHR) de um hospital. Sua missão é melhorar o atendimento fornecendo informações clínicas durante a jornada do paciente. A plataforma oferece previsões de eventos de saúde como datas previstas de alta, impedimentos clínicos e não clínicos previstos para a alta e riscos de readmissão, antes que eles ocorram. A Pieces também fornece informações aos profissionais de saúde em linguagem natural e otimiza a clareza geral dos problemas clínicos do paciente para que as equipes de atendimento possam trabalhar com mais eficiência.

O CEO e fundador Dr. Ruben Amarasingham fundou a Pieces para ajudar profissionais e pacientes a alcançar melhores resultados. Ele explica: “O trabalho na área da saúde é essencial. No entanto, médicos, enfermeiras e outras pessoas estão deixando a medicina por causa do esgotamento e da impotência. Vemos uma enorme sofisticação tecnológica em outras partes de nossas vidas. Por que não podemos aplicar isso à medicina?”

Durante seus 13 anos como médico hospitalar, Ruben viu que “havia vários pacientes que continuavam sendo readmitidos no hospital. Eles entravam no hospital, recebiam tratamento e, uma a três semanas depois, voltavam.” Com treinamento de pós-graduação em informática biomédica e foco na previsão de eventos clínicos, essa tendência inspirou Ruben a ajudar.

“Identifiquei uma interseção entre meu histórico de pesquisa, minha prática clínica e o que estava acontecendo nos hospitais.”

Para aplicar sua teoria a um caso de uso real, “Começamos a modelar matematicamente, com base nas características dos pacientes, quais pacientes poderiam ser readmitidos. Em seguida, aplicamos recursos clínicos e não clínicos ao paciente em risco, incluindo determinantes sociais. E descobrimos que poderíamos identificar e evitar uma reinternação antes que ela ocorresse.”

A capacidade de prever a reinternação de pacientes levou Ruben a fundar a Pieces em 2016. O escopo dos serviços da Pieces para profissionais de saúde e pacientes cresceu rapidamente. Hoje, “Estamos analisando qualquer tipo de evento adverso do paciente e dizendo: 'Somos capazes de predizê-lo com antecedência? “Nesse caso, fornecemos uma visão antecipada às pessoas no local, de forma que elas possam agir de acordo com essas informações.”

Para implantar e manter seu mecanismo de IA em grande escala, Ruben diz que a Amazon Web Services (AWS) é essencial: “Não seríamos capazes de fazer esse trabalho se não tivéssemos uma nuvem incrivelmente dinâmica e escalável para fazê-lo. Não é possível fazer isso on-premises. É necessário que esses sistemas de modelagem aprendam com grandes conjuntos de dados e você precisa manipular ou modificar a performance da IA em grande escala e entre clientes.”

Depois de um breve período durante a incubação, quando a Pieces usou um ambiente on-premises, “mudamos para a AWS e não olhamos para trás. Tem sido fantástico. Somos extremamente gratos pelo ambiente da AWS.”

Os dois serviços mais importantes da AWS que a Pieces usa para executar seus modelos em produção e em grande escala são: Amazon Managed Workflows for Apache Airflow (Amazon MWAA) e Amazon Elastic Kubernetes Service (Amazon EKS). Ruben explica: “Usamos o Amazon EKS para executar instâncias Kubernetes do Amazon Elastic Compute Cloud (Amazon EC2) e do Amazon Relational Database Service (Amazon RDS).” A capacidade de monitorar sites de clientes do sistema de saúde em tempo real é fundamental para a Pieces, por isso ela usa o Amazon EC2 e o Amazon OpenSearch Service para registrar análises do monitoramento de aplicações em tempo real.

Ruben é apaixonado por criar previsões de IA/ML que sejam relevantes e acessíveis. “Estamos muito entusiasmados em incorporar a geração de linguagem natural em nosso software. Essa capacidade é onde a Pieces está com a IA no momento.” A Pieces utiliza a geração de linguagem natural para fornecer previsões aos profissionais de saúde dentro do contexto e em linguagem simples. A linguagem natural torna mais fácil para os profissionais de saúde avaliar o julgamento da IA sobre as necessidades mais críticas dos pacientes, deixando de lado as previsões menos críticas. Isso facilita a ação com base nas informações de forma oportuna e benéfica.

“A geração de linguagem natural pode ajudar profissionais e pacientes traduzindo informações em grande escala, de forma que eles possam absorvê-las melhor. Seja um resumo clínico para um médico ou instruções sobre a alta do paciente para um membro da família com pouca instrução escolar.”

Em um futuro próximo, poderemos esperar que a Pieces lance um resumo para médicos que lhes permita encaminhar o paciente para outro médico, se necessário. O resumo é gerado usando alguns dos dados clínicos que as soluções da AWS permitem que a Pieces colete. De acordo com a Joint Commission, as transferências de médicos são um problema significativo na área da saúde porque “cerca de 80% dos erros médicos graves envolvem falhas de comunicação entre os cuidadores quando os pacientes são transferidos”. Ao automatizar essa tarefa, a Pieces espera melhorar os resultados para os pacientes e, ao mesmo tempo, “trazer a alegria da prática médica para um sistema extremamente complicado”, explica Ruben.

Para as startups que quiserem seguir os passos da Pieces, Ruben aconselha: “A saúde é altamente regulamentada, muito precisa e você precisa testar tudo de forma mais rígida do que, digamos, uma startup de varejo. Não há problema em seguir um curso mais lento, e é importante encontrar investidores e patrocinadores que entendam o ambiente de saúde e os benefícios do progresso incremental.”

O sucesso vale a pena, afirma Ruben, porque: “se você puder passar por todas as etapas, o impacto será profundo. Você estará fazendo o bem para o mundo.”

Recursos relacionados:

Dr. Ruben Amarasingham

Dr. Ruben Amarasingham

Ruben Amarasingham, MD, MBA, é o fundador e o CEO da Pieces, uma empresa de IA da área de saúde, especializada nas ciências de decisão clínica. Ele também foi fundador e presidente do PCCI, um instituto de pesquisa científica com sede em Dallas, Texas, cujo foco são ensaios clínicos e informática biomédica, e deu origem ao Pieces. Dr. Amarasingham é especialista nacional no design de produtos de IA para saúde e saúde pública. Antes de sua função como CEO da Pieces, ele foi chefe de medicina associado do Parkland Health & Hospital System e professor nos departamentos de Medicina Interna Geral e Ciências Clínicas do Centro Médico da University of Texas Southwestern (UTSW), onde também atuou como diretor do programa de informática biomédica para o Prêmio de Ciência Clínica e Translacional do NIH. Ruben é ex-membro do conselho de administração nacional da HIMSS.

Megan Crowley

Megan Crowley

Megan Crowley é Redatora Técnica Sênior na equipe de Conteúdo de Startups da AWS. Com uma carreira anterior como professora de inglês no ensino médio, ela é movida por um entusiasmo implacável por contribuir com conteúdo que seja ao mesmo tempo educativo e inspirador. Compartilhar histórias de Startups com o mundo é a parte mais gratificante de sua função na AWS. Em seu tempo livre, Megan pode ser encontrada trabalhando madeira, no jardim e em mercados de antiguidades.

Como estava esse conteúdo?