Programa de aprendizagem automática alertou por 2 anos prestadores de cuidados de saúde sobre pacientes com alto risco de septicemia, disseminação da infecção no organismo, permitindo-lhes iniciar tratamentos quase 2 horas antes, o algorítimo é relativo a pacientes hospitalares, quer dizer, internados, com risco de complicações potencialmente fatais, especialmente sepse, condição que pode matar em horas e contribui à 1 em cada 3 mortes hospitalares nos EUA, problema que pode passar despercebido até que seja tarde demais. Empresas de registros eletrônicos de saúde e acadêmicos desenvolveram sistemas automatizados que enviam lembretes para verificar se há sepse nos pacientes, no entanto, o grande número de alertas pode fazer com que prestadores de cuidados de saúde ignorem ou desativem esses avisos, no entanto, pesquisadores tentam usar o aprendizado de máquina, ML, para ajustar programas e reduzir o número de alertas que geram, agora, um algoritmo provou eficácia em hospitais reais ajudando profissionais tratar casos de sépsis quase 2 horas antes, em média, e reduzindo a taxa de mortalidade hospitalar desta doença em 18 %. A sepse, ocorre quando a resposta do organismo a uma infecção fica fora de controle podendo levar à falência de órgãos, perda de membros e morte com aproximadamente 1,7 milhão de adultos nos EUA desenvolvendo sepse anualmente e 270 mil mortes conforme os Centros de Controle e Prevenção de Doenças, embora a maioria dos casos tenha origem fora do hospital a condição é uma das principais causas de mortalidade de pacientes neste ambiente e, detectar o problema o mais rápido possível é crucial para evitar resultados adversos. O padrão de atendimento atual, segundo prestador de cuidados de saúde, deve tomar conhecimento quando um paciente apresenta 2 dos 4 sinais de alerta de sepse, incluindo febre e confusão mental sendo que alguns sistemas de alerta existentes alertam quando isto acontece enquanto muitos pacientes apresentam pelo menos 2 dos 4 critérios durante uma internação hospitalar típica acrescentando que pode dar aos programas de alerta elevada taxa de falsos positivos e, devido à frequência com que os sinais de alerta ocorrem os médicos também devem considerar fatores como idade, histórico médico e resultados de exames laboratoriais, no entanto, reunir as informações relevantes leva tempo que os pacientes com sepse não têm. Sistema de registro eletrônico bem conectado, fatores de risco de sépsis conhecidos e sua localização, pode levar tempo, aí, entram os algoritmos de aprendizagem automática, ML, em que grupos acadêmicos e industriais ensinam programas reconhecer fatores de risco de sépsis e complicações alertando prestadores de cuidados de saúde sobre quais pacientes estão em particular perigo, com o Laboratório de Aprendizado de Máquina e Saúde da Universidade Johns Hopkins trabalhando em um desses algoritmos desde 2015, escaneia registros eletrônicos de saúde em busca de fatores que aumentam risco de sepse e combina as informações com sinais vitais, além de testes laboratoriais para criar pontuação indicando quais pacientes têm probabilidade de desenvolver septicemia ou disseminação da infecção pelo organismo.
Dados do setor de saúde são difíceis de utilizar para fins de investigação devido a má qualidade geral e falta de transparência, cuja obtenção precisa e fiável melhora a medicina e, portanto, a vida quotidiana a nível global, em que Blockchain pode ser solução aos problemas relacionados a dados na indústria, com a Aimedis, fundada em 2020, plataforma blockchain que oferece serviços de saúde acessíveis e eficazes, incluindo teleconsultoria, gerenciamento de consultas, obtenção de receitas, registros médicos e conexão a dispositivos de rastreamento. Plataforma ativa em quase todos os continentes com grande número de paciente integrados e meta de ultrapassar mais de um milhão de pacientes, lançou o primeiro mercado NFT científico e médico começando com teste de câncer, sendo os fundadores da Aimedis médicos que trabalham na medicina e indústria farmacêutica há mais de 10 anos, em entrevista ao DailyCoin, explicaram as dificuldades da indústria farmacêutica e como, com ajuda blockchain, buscam melhorar a pesquisa e qualidade dos dados na indústria de saúde. Estudos de ensaios farmacêuticos, consomem tempo e dinheiro e a indústria farmacêutica gasta bilhões de dólares para realizar ensaios, dos quais 90% falham, havendo dados na indústria médica com dados fictícios usados em ensaios, no entanto, os medicamentos funcionam bem e são verificados após ensaios bem sucedidos com dados imprecisos, em alguns casos, havia folhas de papel com informações difíceis de ler ou excluídas acidentalmente, mesmo quando olhamos documentos eletrônicos, não sabemos o que foi alterado e se os dados são reais e genuínos. Países em desenvolvimento em que pessoas são exploradas pelos dados e participam em ensaios farmacêuticos sem sequer saberem e, devido a isso, alguns indivíduos e empresas ganham dinheiro coletando dados enquanto os pacientes ficam de fora e, com o mercado NFT, a Aimedis busca mudar o sistema em que hospitais, pesquisadores, prestadores de cuidados de saúde e médicos poderão gerar NFTs e inserir dados anônimos, assiná-los e vendê-los à indústria farmacêutica, pesquisadores e empresas IA, isto, é importante porque mesmo com IA se os dados estiverem incorretos e de má qualidade é inútil a tecnologia avançada utilizada. Explicou que a plataforma funciona de forma que ninguém tenha acesso às informações dos pacientes que optam pelo uso ou armazenamento de seus dados em NFTs, além de painel que fornece informações sobre o teste e, dependendo dos dados necessários, os indivíduos podem optar por participar, embora não possam fazer upload de dados por conta própria, cujos participantes terão sempre que passar por profissionais de saúde para evitar geração de dados médicos fictícios ou falsos e somente profissionais médicos podem fazer upload de dados na forma de NFT de pacientes que decidem participar em anonimato. Quanto ao preço dos dados médicos de pacientes com câncer ou problemas cardíacos é impossível fornecer orçamento preciso, porque em cada ensaio há preços separados dependendo de quanto esforço e dinheiro foi investido na geração de grupos de pacientes no desenho do estudo e, com NFTs, será possível fornecer etiqueta de preço depois de algum tempo.
Moral da Nota: as vantagens dos dados de saúde acessíveis a prestadores e investigadores necessitam equilíbrio com preocupações de privacidade e segurança, já que nos últimos anos, o setor de saúde mudou com a adoção de inovações tecnológicas em que fatores influenciam o meio como fazem uso das tecnologias e podem estar relacionados à segurança, privacidade de dados, regulamentações, integrações, colaborações e relação custo-benefício e, quando se trata de saúde, como em muitos setores, os dados valem muito. A pesquisa, quanto mais diversificados os dados, melhor a resposta as questões, um exemplo é quando se realiza pesquisa com base em dados derivados da população de um país específico e o resultado pode não ser inteiramente aplicável às pessoas do lado oposto do mundo, recentemente, há ênfase na segurança e privacidade dos dados, devido quais foram implementadas regulamentações mais recentes, regulamentos que podem restringir mais a circulação de dados tornando acesso mais difícil aos investigadores, podendo impedir cooperação e coordenação entre prestadores de cuidados de saúde de um paciente. Pesquisadores e profissionais clínicos se beneficiam com a colaboração e o compartilhamento de dados e informações eletrônicas de saúde, no entanto, é complicado devido ao conjunto diversificado de ferramentas e software utilizados e à falta de interoperabilidade, com o Health Level Seven, HL7, como um conjunto de padrões internacionais e princípios orientadores ao compartilhamento de dados entre provedores e o Fast Healthcare Interoperability Resources, FHIR, conhecido como "fire", baseado no HL7 e usa tecnologia de API baseada na Web, sendo que o FHIR permite comunicação conveniente entre instalações, software ou organizações usando APIs, no entanto, não lida eficazmente com problemas complexos relacionados com segurança, consentimento do paciente, rastreabilidade de dados ou verificação de identidade e, Blockchain, livro imutável de transações, pode mitigar os problemas mencionados.