Resumo interno:
- Os pesquisadores da Cleveland Clinic, em colaboração com o Discovery Accelerator Program da IBM, estão usando o Quantum System One para desenvolver algoritmos de aprendizado de máquina para prescrições de antibióticos mais rápidas e precisas, abordando uma lacuna no atendimento ao paciente.
- Algoritmos de aprendizado de máquina treinados em 4,7 milhões de categorias de suscetibilidade a antibióticos mostraram uma precisão incrível, tornando os médicos mais eficientes na previsão de tratamentos eficazes e no fornecimento de resultados em tempo real.
- Ao integrar a computação quântica, o projeto visa melhorar estes algoritmos para maior velocidade e precisão e para utilização com conjuntos de dados mais pequenos, tornando a medicina personalizada acessível a populações carenciadas e pequenas clínicas.
Indiscutivelmente uma das tecnologias mais importantes desta década, a aprendizagem automática demonstrou o seu poder em inúmeras indústrias. O seu impacto na sociedade vai além do que pode ser facilmente medido, influenciando tudo, desde o transporte até a medicina.
Consideremos como a aprendizagem automática tem sido aplicada a algo como uma prescrição precisa de antibióticos, que é vital para a preservação da saúde humana. A aprendizagem automática ajuda os fornecedores a selecionar antibióticos eficazes com base em dados históricos, mas e se a sua precisão e velocidade pudessem ser melhoradas ainda mais? Tal possibilidade pode soar como algo fora do âmbito dos ideais de Platão – perfeito na teoria, mas fora de alcance na prática. No entanto, um estudo recente da Cleveland Clinic é promissor.
Conforme detalhado em uma postagem recente, em colaboração com o Discovery Accelerator Program da IBM, a Cleveland Clinic está usando o Quantum System One, em pesquisas de saúde, especificamente para melhorar algoritmos de aprendizado de máquina já em uso para prescrições de antibióticos mais rápidas e precisas.
Repensando o antibiótico diário
Para muitos que apresentam distúrbios de desenvolvimento, consultar um médico para obter uma receita de antibióticos é um processo rotineiro, embora desagradável. Após um diagnóstico rápido, geralmente é aviada uma receita na farmácia mais próxima e a vida continua. Mas o que surpreende muitos é que o processo completo de diagnóstico após a prescrição do antibiótico mais eficaz deve levar alguns dias.
De acordo com esta postagem, uma cultura de urina leva cerca de três dias para identificar o tipo de bactéria que está causando algo como uma ITU e para determinar a suscetibilidade aos antibióticos – o risco da bactéria ser morta ou inibida por um antibiótico. Atualmente, os prestadores devem confiar no julgamento aprimorado ao longo do tempo para prescrever um antibiótico. No entanto, estudos mostram que isto infelizmente resulta numa protecção insuficiente contra infecções em cerca de 30% das vezes. Isto é mais do que um pequeno inconveniente – contribui para a proliferação de antibióticos, um dos problemas de saúde mais prementes do mundo.
A resistência aos antibióticos ocorre quando as bactérias mudam para resistir aos efeitos dos antibióticos, tornando esses medicamentos menos eficazes. Isso pode levar a doenças difíceis de tratar. Sem antibióticos eficazes, os procedimentos médicos de rotina, as cirurgias e os tratamentos para doenças como o cancro tornam-se perigosos devido ao risco aumentado de doenças crónicas.
Conforme relatado na publicação da Cleveland Clinic, o Dr. Glenn Werneburg, principal autor do estudo, enfatizou a importância deste trabalho, dizendo: “Estamos muito entusiasmados por estarmos entre os primeiros pesquisadores a usar a computação quântica para resolver um problema médico. Mas ainda mais importante é encontrar soluções para o principal problema clínico da resistência antimicrobiana, melhorar o atendimento aos pacientes e garantir que esta tecnologia chegue ao maior número possível de pacientes.”
Combinando aprendizado quântico e de máquina para medicina personalizada
Enquanto a computação quântica avançava lentamente, o aprendizado de máquina estava nas trincheiras. Em um estudo recente publicado na BJU International, os pesquisadores da Cleveland Clinic desenvolveram e treinaram algoritmos de aprendizado de máquina em mais de 4,7 milhões de exposições a antibióticos em culturas de urina. Esses dados abrangeram dez anos e incluíram ambientes hospitalares e ambulatoriais. Os algoritmos foram então validados usando dados de um hospital geograficamente remoto e testados clinicamente.
Os resultados foram surpreendentes e falam do futuro da medicina personalizada. Usando dados demográficos dos pacientes, comorbidades, padrões de resistência hospitalar e categorias geográficas, o algoritmo foi capaz de criar uma lista personalizada de antibióticos e eficácia potencial para cada paciente. O algoritmo previu com precisão a resistência a 11 antibióticos testados, superou as decisões dos médicos de fornecer cuidados adequados e forneceu resultados em tempo real, garantindo que se pudesse continuar a aviar as prescrições para o mesmo dia sem medo de contribuir para o próximo surto.
Reconhecendo o potencial de impacto social em outros refinamentos que poderiam promover o avanço da medicina personalizada, a Clínica Cleveland está incorporando a computação quântica no projeto. Como se diz que o aprendizado de máquina quântica tem melhor desempenho em situações em que os dados são escassos, os pesquisadores esperam refinar esses algoritmos para treinar em conjuntos de dados menores sem perder a precisão. A capacidade de fornecer o mesmo serviço com base em dados limitados é necessária para alargar estes benefícios às populações servidas por clínicas mais pequenas ou áreas mal servidas.
Tecnologia Quântica e Administração Global de Antibióticos
Embora este estudo tenha se concentrado principalmente no domínio da urologia, os resultados deste estudo vão além das ITUs. Ao equipar os prestadores com previsões precisas e específicas do paciente, esta tecnologia pode reduzir o uso indevido de antibióticos, melhorar os resultados dos pacientes e retardar a progressão dos padrões de resistência.
Além disso, os esforços da Clínica Cleveland destacam o potencial da tecnologia quântica para resolver problemas do mundo real que têm um impacto significativo na sociedade. Embora a computação quântica seja frequentemente criticada como solução para um problema, esta pesquisa pode ser um contraexemplo. Ao combinar tecnologias emergentes com necessidades clínicas urgentes, os investigadores conseguem desenvolver medicamentos importantes.
