INSTRUMENTAÇÃO

E DISPOSITIVOS MÉDICOS
UNIDADE I
BIOINFORMÁTICA
Elaboração
Victor Hugo de Paula Flauzino

Produção
Equipe Técnica de Avaliação, Revisão Linguística e Editoração
SUMÁRIO

INTRODUÇÃO.................................................................................................................................................. 4

UNIDADE I
BIOINFORMÁTICA.................................................................................................................................................................................. 5

CAPÍTULO 1
INTEGRAÇÃO ENTRE MEDICINA E TECNOLOGIA DA INFORMAÇÃO........................................................................ 5

CAPÍTULO 2
DIAGNÓSTICOS E INTELIGÊNCIA ARTIFICIAL.................................................................................................................. 11

CAPÍTULO 3
TELEMEDICINA............................................................................................................................................................................ 22

REFERÊNCIAS................................................................................................................................................29
INTRODUÇÃO

A instrumentação biomédica foi criada com o objetivo de desenvolver sistemas (software e

hardware) para auxiliar os profissionais de saúde a monitorizar, diagnosticar e investigar
doenças. A capacidade de promover o cuidado de vidas humanas depende de inúmeros
fatores, tais como a qualificação do profissional que realizará a assistência direta ao
paciente, assim como a adequação dos recursos materiais, tal como o equipamento
adequado.

O maquinário de ambiente hospitalar apresentou grande evolução nos últimos anos e

o surgimento de novas tecnologias acontece em uma velocidade cada vez mais rápida.
Em ambientes que oferecem algum serviço de saúde, é de suma importância que os
profissionais conheçam os equipamentos, com o intuito de garantir sua correta utilização
e manutenção para que a população tenha acesso ao recurso tecnológico que ajudará a
preservar vidas.

A instrumentação biomédica também é a área de estudo em que se desenvolvem

equipamentos ou aparelhos para ajudar a população que possui necessidades especiais,
como a fabricação de utensílios como cadeiras de rodas, camas cirúrgicas, glicosímetros
e outros equipamentos médicos para uso domiciliar. Essa área faz a convergência de
conhecimentos de eletrônica, fisiologia, anatomia, processamento digital de sinais e
programação. É uma área em constante expansão e que contribui diretamente para o
desenvolvimento das áreas da saúde e outras, como biotecnologia, engenharia biomédica,
engenharia clínica etc.

Objetivos
» Definir a bioinformática e sua integração com a medicina.

» Apresentar, discutir e contextualizar os conceitos básicos da instrumentação

biomédica.

» Discutir como funcionam os instrumentos médicos voltados para o sistema cardíaco.

» Explicar e mostrar os instrumentos e dispositivos médicos que estão relacionados

como o sistema vascular.

» Apresentar os ventiladores mecânicos.

» Conhecer os instrumentos utilizados no atendimento domiciliar.

 BIOINFORMÁTICA UNIDADE I

CAPÍTULO 1
INTEGRAÇÃO ENTRE MEDICINA E TECNOLOGIA DA
INFORMAÇÃO

A bioinformática é utilizada como um campo integrador interdisciplinar que cria

ferramentas e softwares para análise de informações voltadas para área da saúde.
A bioinformática é a mistura de diferentes campos como, engenharia de software, ciência
da computação, estatística e informática, os quais avaliam e delineiam informações
biológicas e genômicas. O campo da bioinformática abrange o exame de dados moleculares
para quantificação de dados clínicos, de imagem e diagnóstico para medicamentos
personalizados e cuidados de saúde.

Por ser uma combinação de diferentes ramos das ciências e da vida, o objetivo da
bioinformática é desenvolver metodologias e ferramentas para estudar grandes volumes de
dados biológicos a fim de organizar, armazenar, sistematizar, visualizar, anotar, consultar,
compreender e interpretar esses dados. A bioinformática utiliza a ciência da computação,
que inclui computação em nuvem, estatística, matemática e até mesmo reconhecimento
de padrões, reconstrução, aprendizado, simulação e abordagens interativas, modelagem
e algoritmos moleculares. Em termos mais simples, a bioinformática envolve a aplicação
de tecnologia da informação para gerenciar grandes volumes de informações biológicas
(BRONZINO, 2006).

História da bioinformática
No início da década de 1970, Ben Hesper e Paulien Hogeweg começaram a usar o termo
bioinformática para realizar uma pesquisa sobre os processos informativos em sistemas
bióticos. Em 1981, Marvin Carruthers e Leroy Hood encontraram 579 genes humanos
mapeados por meio de hibridização in situ e inventaram o processo automatizado
de sequenciamento de DNA (ácido desoxirribonucleico), que ocasionou a criação da
organização do genoma humano em 1988. No ano de 2000, foram utilizados os conceitos

5
UNIDADE I | BIOINFORMÁTICA

de sequenciamento de DNA para experimentos em biologia molecular. Essas teorias

demonstraram trajetórias alternativas de diferenciação de neutrófilos com base em
dados de expressão genética temporal.

A bioinformática é uma combinação de análise, interpretação e gerenciamento de sinais

biológicos. Para produzir enormes bases de dados relacionadas a sequências biológicas
e estruturas, foram desenvolvidos o European Molecular Biology Laboratory (EMBL) e
o GenBank. Os dados de DNA disponíveis a partir das bases de big data são usados para
combinar várias sequências de DNA. A pesquisa atual na bioinformática é direcionada
para abranger detalhes funcionais de proteína/gene e análise estrutural proteica, bem
como compara o metabolismo de várias espécies de animais e seres humanos por meio
de ensaios pré-clínicos (OTANI; BARROS, 2011).

Aplicação da bioinformática

A bioinformática pode ser utilizada em genômica, proteômica, mineração de dados,

identificação de doenças e descoberta de novas drogas. A ciência da computação e a
tecnologia da informação são utilizadas para projetar ferramentas computacionais.
As várias aplicações da bioinformática são as seguintes: análise genética, comparação
genômica, descoberta de medicamentos e doenças, revisão estrutural da proteína do
DNA e sequenciamento do genoma.

Análise genética

No genoma encontra-se toda a informação hereditária encontrada no DNA. A análise

de sequência é um método usado para entender estrutura, função e características do
genoma. Existem muitas ferramentas poderosas disponíveis na ciência da computação
e são utilizadas para identificar as mutações que o DNA pode sofrer no organismo. A
análise sequencial de numerosos fragmentos pode ser feita usando a técnica de sequência
de espingarda – executada de forma aleatória fragmentando sequências do DNA nas
partes pequenas.

Revisão estrutural da proteína do DNA

e sequenciamento do Genoma
A estrutura tridimensional do aminoácido pode ser visualizada na fita de DNA, nas
formas secundárias, terciárias ou quaternárias, por meio da cristalografia, que é uma
ferramenta essencial utilizada na bioinformática. Por meio do processo de identificação,
localização, codificação da estrutura do genoma, é possível descobrir todas as informações
genéticas de um ser vivo e descobrir características, tendências e reações do organismo
a determinadas situações.

6
 BIOINFORMÁTICA | UNIDADE I

Figura 1. Bioinformática.

Fonte: Laborgene, 2019.

Comparação genômica

As regiões de codificação de um gene, que são conhecidas como CDS (coding DNA
sequence/sequência de código do DNA), mRNA (RNA mensageiro), tRNA (RNA de
transferência) e rRNA (RNA Ribosomal) serão comparadas para determinar a estrutura
genômica e a relação de função entre várias espécies biológicas. Os cientistas usam
os mapas intergenômicos para traçar todo o caminho da evolução que ocorre entre
os genomas de diferentes espécies. As informações sobre as mutações pontuais que
ocorrem nos segmentos cromossômicos podem ser determinadas por esses mapas
(OTANI; BARROS, 2011).

Descoberta de medicamentos e doenças

As ferramentas de bioinformática são usadas na descoberta de drogas baseadas em

doenças moleculares. Com base no gerenciamento da doença e no diagnóstico, o cientista
pode desenvolver medicamentos para atuar em um gene específico da doença.

As ferramentas da bioinformática

O objetivo das ferramentas da bioinformática é fornecer informações sobre exames

filogenéticos e decidir propriedades auxiliares e fisioquímicas das proteínas do DNA.
Essas informações são para pesquisar o comportamento da biomolécula em uma célula
viva. As diferentes ferramentas de bioinformática utilizadas para várias aplicações são as
seguintes: identificação genética, análise de sequência, análises filogenéticas, avaliação
da estrutura, função proteica e desenvolvimento de medicação (PINOCHET, 2011).

Identificação genética e análises de sequência

A compreensão de várias biomoléculas, como o ácido nucleico ou a proteína, pode ser

alcançada através de investigações por agrupamento. Esse processo é iniciado por meio

7
UNIDADE I | BIOINFORMÁTICA

da sequência de recuperação de moléculas relacionadas a partir de um banco de dado.

Conforme a pesquisa, são utilizadas várias ferramentas características para destacar
a estrutura celular de forma precisa. A ferramenta básica utilizada na pesquisa de
alinhamento local e conhecida como Basic Local Alignment Search Tool (BLAST), é
utilizada para comparar as sequências de proteínas, nucleotídeos, DNA e RNA. O HMMER
é outro software incrível que pode ser utilizado para identificação e análise das sequências
proteicas de forma individual nas bases de dados (OTANI; BARROS, 2011).

Entre as ferramentas disponíveis para a identificação genética, o software Omega

possui vários sistemas operacionais utilizados para realizar o alinhamento de sequência
múltipla. O Omega produz resultados precisos ao ser comparado com outros softwares.
O programa conhecido como unidade de Bioinformática e Biociências Computacionais
(BCBU) permitiu o desenvolvimento da ferramenta Nemome, utilizada para o arranjo
de perfil. O ProtParam Tool é um instrumento computacional empregado para calcular
várias propriedades de física e de química em uma proteína. A produção genética utiliza
múltiplas fontes de evidência na identificação de genes, por meio do alinhamento
sequencial. Essa ferramenta produzirá com melhor precisão em comparação com
outros algoritmos de identificação, como Ensembl genome browser 104 (https://www.
ensembl.org/index.html) e UCSC Gene track (https://genome.ucsc.edu/goldenPath/
help/customTrack.html).

Os polimorfismos de nucleotídeos únicos (SNPs) são utilizados para identificar as doenças

de base genética. Localizador de quadros de leitura aberto (ORFF) é empregado para
realizar análises como a visualização gráfica e gerenciamento de dados. O Footprint é
voltado para análise da genética bacteriana. Os terminadores de transcrição intrínsecas
identificados nas sequências de genomas bacterianos e plasmídeos serão armazenados na
base de dados WebGeSTer DB. O GENSCAN é um programa que serve para identificar
as estruturas genéticas do DNA. O software Soft berry possui a finalidade de analisar
alterações no genoma de plantas e animais (BRONZINO, 2006).

Análises filogenéticas

As análises filogenéticas são realizadas pelos softwares MEGA, MOLPHY, PHYLIP e PAML.

» MEGA realiza as análises filogenéticas por fluxos moleculares.

» MOLPHY é um pacote de programas com a finalidade de examinar a filogenética

subatômica com base na técnica de probabilidade.

» A análise filogenética por máxima probabilidade (PAML) e o pacote de inferência

filogenia (PHYLIP) utilizam a técnica de probabilidade para análise filogenética

8
 BIOINFORMÁTICA | UNIDADE I

Avaliação da estrutura e função proteica

A avaliação das moléculas proteicas é realizada por uma estrutura tridimensional

(3D) dinâmica, baseada nas funcionalidades biológicas e nas estruturas proteicas; a
cristalografia compara as estruturas por meio de um programa que simula o equilíbrio
termodinâmico, por meio da energia que está situada na superfície proteica (PINOCHET,
2011).

Desenvolvimento de medicação

Antes de inventar as ferramentas de bioinformática, os pesquisadores realizaram

diversos estudos na área de farmacologia, ciências clínicas e química para produzir um
novo medicamento. A invenção da bioinformática melhora o processamento de uma
nova medicação, pois é fácil quebrar moléculas e comparar novas drogas a doenças por
meio de software. Os avanços na fabricação de medicação auxiliam nas descobertas de
drogas altamente eficazes utilizadas no tratamento de doenças. Os softwares utilizados
na produção de medicação são:

» Therapeutic Target Database (TTD);

» Target Database (TDR);

» Potential Drug Target Database (PDTD);

» Drug Bank;

» Manually Annotated Targets and Drugs Online Resource (MATADOR);

» Tropical Disease Research;

» Tuberculosis (TB) Drug Target Database.

Os vários programas que foram descritos anteriormente são utilizados para obter
informações relacionadas ao transporte de íons e mudanças (proteínas de transporte
e ácidos nucleicos) que ocorrem nos sistemas biológicos e no potencial de membrana
(PINOCHET, 2011).

Informática e bioinformática na saúde

A informática na área da saúde utiliza a combinação de informações e dados clínicos

para realizar a gestão de informações sobre o tratamento de doenças e a evolução do
paciente. Os avanços na tecnologia da informação deram as mãos livres aos pesquisadores
e cientistas para melhorar a saúde pública, o sistema de saúde, no campo biomédico.
O principal objetivo da informática em saúde é fornecer as informações completas da

9
UNIDADE I | BIOINFORMÁTICA

saúde do paciente aos profissionais de saúde. Esses dados facilitam na tomada de decisão
durante o tratamento do paciente.

A bioinformática trata de análise, interpretação, desenvolvimento e armazenamento de

grandes quantidades de dados biomédicos. A revolução na proficiência computacional
introduz o conceito de prontuários eletrônicos de saúde, que permitem o desenvolvimento
de um rico banco de dados que pode ser utilizado para identificar a relação entre
saúde e doença na população. Várias ferramentas computacionais são utilizadas para
estudar e analisar as grandes bases de dados biológicas para entender como as doenças
se manifestam e qual é a assistência ideal para curar ou prevenir qualquer tipo de
enfermidade.

Os pesquisadores em saúde por meio da bioinformática conseguem desenvolver novos

procedimentos e algoritmos para o processamento de dados genômicos e proteômicos
utilizados em diversos campos para a descoberta de novos medicamentos e novas
formas de diagnostico. Uma nova ferramenta utilizada na genética é a inteligência
artificial (IA), tecnologia avançada destinada a substituir o poder de inteligência
parcial/totalmente humana. Ganhou atenção em pesquisas relacionadas à biologia
molecular computacional e bioinformática. O desempenho e a precisão dos algoritmos
de IA demonstram melhores resultados quando empregados para sequenciamento de
DNA em comparação com outros algoritmos computacionais (OTANI; BARROS, 2011).

10
CAPÍTULO 2
DIAGNÓSTICOS E INTELIGÊNCIA ARTIFICIAL

Os recentes avanços tecnológicos na informática facilitaram o desenvolvimento de

softwares biomédicos, utilizados na aquisição e gestão de conhecimento, imagem
médica, inteligência computacional em medicina clínica, medicina molecular e aspectos
organizacionais de saúde, que fornecem apoio na tomada de decisão clínica. A inteligência
artificial tem um grande impacto nos campos da biologia, biotecnologia e medicina em
geral e pode ser implementada por meio de aplicações de aprendizado da computação
neural, sistemas especializados, lógica difusa, algoritmos genéticos ou estatística bayesiana.
As aplicações da IA na biomedicina compilam em cinco pontos importantes, como as
metodologias de machine learning, sistemas de suporte a IA, monitoramento de pacientes,
algoritmos genéticos e técnicas de otimização e semântica. A IA e a transformação digital
estão revolucionando quase todos os setores, mas um setor que pode se beneficiar muito
com essa tecnologia é área da saúde. Em parte, isso se deve ao benefício que a tecnologia
da IA trará aos pacientes.

As principais tendências em tecnologia e financiamento são utilizadas na maioria dos

estabelecimentos de saúde para desenvolver várias funções, como o sequenciamento
genético de última geração, coleta e armazenamento de dados, diagnósticos e
encaminhamentos. A coleta e a análise por big data alcançaram níveis que vão além da
capacidade humana para análise e interpretação de dados, graças a sensores e novos
algoritmos que permitem a medição contínua e o armazenamento dos sinais vitais de
saúde dos pacientes.

A tradução da tecnologia de IA e big data em informações biomédicas e clínicas ​​se

expandiu para apoiar a medicina com precisão. Esses algoritmos agora têm a capacidade
de aprender e, portanto, podem melhorar com o tempo. As vantagens de usar algoritmos
de IA ou redes neurais, na prática médica, já são sentidas em muitos sistemas de saúde
por meio da diminuição de erros nos diagnósticos e economia de recursos. Os algoritmos
de IA podem realizar funções de diagnóstico em níveis semelhantes aos de especialistas
médicos, ou até mesmo superar os profissionais da saúde; mas, por enquanto, a IA em
geral só pode ajudar os especialistas a tomarem decisões (BRONZINO, 2006).

As origens da IA
A ligação entre os campos da neurociência e IA passaram por rápido desenvolvimento
nos algoritmos e softwares. Nos estudos realizados sobre os poderes cognitivos dos
seres humanos e sua implementação neural, os cientistas foram capazes de examinar
vários aspectos e níveis de inteligência contextual, que foi uma grande vantagem em

11
UNIDADE I | BIOINFORMÁTICA

estudar o cérebro humano para o desenvolvimento da IA. Ao imitar aspectos do cérebro

humano, os cientistas desenvolveram algoritmos e programas computacionais para
executar funções específicas.

A aprendizagem profunda é recente na IA e consiste em entrada e saída de dados,

como exemplo: uma imagem é digitalizada e passa por um programa que vai analisar a
informação constantemente na entrada para fornecer uma resposta na saída. Ao analisar
milhares ou milhões de amostras em um banco de dados, uma rede neural profunda é
capaz de classificar automaticamente as amostras em diferentes grupos com uma baixa
taxa de erro. Tal é a precisão das redes neurais profundas que o desempenho humano
agora é superado em reconhecimento de imagem e fala.

Uma rede neural profunda da IA consiste em dados que passam por uma camada
de entrada. Os dados são segregados em grupos de diferentes categorias de entrada.
O estágio da camada oculta consiste em muitos níveis que respondem a diferentes
recursos de entrada. A camada de saída, que fornece a saída de dados para redes
neurais profundas, dependerá do número de camadas da entrada. Os padrões
conhecidos podem ser usados para treinar a rede neural a agrupar dados de entrada
que estão unidos ou separados. Isso é chamado de aprendizagem supervisionada
– é a única técnica de aprendizagem que foi aplicada até o momento. Na verdade,
muitos desempenhos computacionais que estavam além das habilidades humanas
foram realizados por algoritmos de aprendizado profundo (SILVA; NOGAROLI, 2020).

Atualmente, a IA foi utilizada de forma automatizada, por exemplo. O que tem limitado o
desempenho dos algoritmos de aprendizado profundo é a quantidade limitada de dados
disponíveis para fins de treinamento, porém, para essas informações serem uteis, deverão
ser imparciais. A IA pode sofrer com a síndrome do lixo que ocorre pela entrada e saída
de grandes volumes de dados que não foram validados. Para contornar este problema,
as redes geradoras podem criar conjuntos de dados sintéticos necessários para treinar
redes neurais profundas.

A Inteligência Artificial

AI é um termo usado vagamente para significar um ramo da ciência da computação que

envolve o treinamento de algoritmos para realizar tarefas que requerem inteligência
humana. Existem vários tipos de aprendizagem, como a de máquina, representação,
profunda, supervisionada e não supervisionada. Cada um desses métodos de aprendizagem
apresenta um resultado diferente. A IA é utilizada na medicina para descobrir informações
importantes de grandes conjuntos de dados e para ajudar os especialistas na tomada de
decisões. No geral, a IA aumenta a capacidade dos especialistas em realizar diagnóstico,

12
 BIOINFORMÁTICA | UNIDADE I

previsão de risco, escolha do melhor tratamento, bem como acelera o fluxo de trabalho no
sistema de saúde. Os algoritmos de IA exigem dados abrangentes para funcionar como
imagens, notas, registros de dispositivos médicos, dados de sequenciamento genético
e demográficos. Esses dados abrangentes são armazenados em servidores das clínicas/
hospitais, computadores e smartphones. Atualmente, o armazenamento de dados é
realizado em nuvem com acessos ilimitados de dados (DYRO, 2004).

Sinergia de Inteligência Humana e Artificial

No futuro, a IA terá muitas aplicações clínicas, como a terapêutica, diagnóstica e até

a gestão da saúde da população. Na terapêutica, a IA oferece perspectivas a serem
utilizadas na orientação da terapia medicamentosa e na previsão de resultados sobre o
tratamento de doenças que podem auxiliar os profissionais da saúde. Por exemplo, a IA
pode ser utilizada na detecção precoce e no diagnóstico de doenças. A capacidade da IA
para analisar e oferecer um diagnóstico com base na análise de imagem é utilizada em
clínicas no mundo todo. A IA pode ser empregada como ferramenta para avaliar exames
de imagem no setor de radiologia; assim, a IA pode ajudar a diagnosticar doenças que
ameaçam a vida e requerem atenção imediata ou pode encaminhar a um especialista
para tratamento específico.

Figura 2. Inteligência artificial.

Fonte: Miotec, 2018.

No Reino Unido, um aplicativo de triagem conhecido como Babylon é testado em

conjunto com o National Health Service (NHS) e permite que os médicos separem os
pacientes que precisam ser encaminhados a especialistas dos que precisam de tratamento
imediato. Certas tarefas podem ser automatizadas e depois revisadas por especialistas

13
UNIDADE I | BIOINFORMÁTICA

em um curto período de tempo para que os médicos realizem outras tarefas que não
podem ser feitas por máquinas. Os seres humanos e máquinas precisam uns dos outros
para aumentar a eficiência do sistema de saúde. Assim, a sinergia entre a inteligência
humana e a artificial provavelmente resultará em melhores fluxos de trabalho para o
tratamento da saúde da população (SILVA; NOGAROLI, 2020).

O futuro da medicina e da engenharia biomédica envolverá a IA; as redes neurais já

estão envolvidas no que é conhecido como reconhecimento de padrões. Varreduras
médicas, imagens de retina, eletrocardiogramas, reconhecimento facial e leitura de
exame laboratorial são analisados pelas redes neurais. Atualmente, as redes estão em
treinamento para realizar muitas tarefas na clínica, como diagnóstico ou encaminhamento
feito por especialistas. Devido ao aprendizado contínuo, as redes neurais podem superar
os humanos de muitas maneiras no futuro. Os usos atuais da IA incluem: monitoramento
das taxas de batimento cardíaco; medição constante das funções corporais e metabólitos;
diagnóstico de derrame e outros problemas cardíacos; classificação de várias condições
patológicas, incluindo câncer; e previsão de morte em clínicas.

Biologia celular e descoberta de biomarcadores

O rastreamento de moléculas individuais permitirá o estudo das interações entre moléculas

e em diferentes concentrações, revelando a biologia celular fundamental. Pesquisadores
da Universidade de Osaka e do Centro RIKEN de ciência da computação da mesma
instituição foram capazes de desenvolver um sistema de IA que pode criar imagens
e rastrear moléculas únicas dentro de células vivas. O sistema de IA era composto de
redes neurais treinadas para focarem corretamente em uma amostra e serem capazes
de rastrear moléculas fluorescentes únicas dentro das células. O sistema AI foi aplicado
para imagiologia e análise de receptores do fator de crescimento epidérmico (Epidermal
Growth Factor – EGF) para avaliar diversas placas com milhares de células por dia. A
identificação biomarcadores transcriptômicos de doenças melhoram as estratégias de
tratamento. A IA utiliza técnicas de aprendizado para identificar genes e metabólitos
associados a doenças e fornece novas informações que podem modificar novas estratégias
de tratamento.

A biologia celular poderá nunca mais ser a mesma com o desenvolvimento da microscopia
sem marcadores. Vários cientistas desenvolveram e usaram algoritmos que podem
prever rótulos fluorescentes, que podem identificar células até então desconhecidas.
Algoritmos de aprendizado profundo permitirão a identificação e classificação de células
de difícil reconhecimento para diferenciar por meio do uso da morfologia celular.
A medição do biomarcador usando tecido tumoral fixo não tem a precisão necessária
para a estratificação e o tratamento do paciente. O uso de sistemas microfluídicos,

14
 BIOINFORMÁTICA | UNIDADE I

biomarcadores de células vivas e algoritmos de aprendizado de máquina podem fornecer

melhor estratégia para escolher o tratamento para a doença.

A descoberta de medicamentos é uma área que está se beneficiando da IA. A concepção

de novas moléculas, a previsão de toxicidade, possíveis efeitos colaterais e a escolha
da quantidade certa de drogas para usar em ensaios, são algumas das maneiras pelas
quais a IA é utilizada na área da farmacologia. Uma vantagem de usar a IA é evitar
que o teste de toxicidade de drogas não seja utilizado em animais. Várias empresas
iniciantes cresceram rapidamente em todo o mundo com o objetivo de usar a tecnologia
de IA para pesquisar novas estruturas moleculares e identificação de novas interações
medicamentosas (SILVA; NOGAROLI, 2020).

Imunoterapia celular

Vários agentes mostraram induzir e aumentar a resposta imune em muitos tipos de

câncer. Os check point inhibitors realmente revolucionaram o tratamento do câncer, e
seu sucesso se deve principalmente a uma resposta imune durável no câncer. A resposta
imune é específica do paciente e, portanto, requer tratamento específico do para cura
da doença. A IA pode ser utilizada para prever as respostas e encontrar a quantidade
certa de inibidores a serem utilizados no tratamento. A presença de diferentes células
imunológicas torna a previsão difícil. Os cientistas começaram a desenvolver algoritmos
que podem prever as respostas da população de células imunes a diferentes inibidores
e como será a resposta durante o tratamento do paciente (DYRO, 2004).

Além disso, a interação de diferentes células tumorais, células estromais, células imunes
e as várias moléculas bioquímicas presentes em um tumor estão lentamente sendo
integradas em algoritmos para obter uma compreensão global do tumor. A incorporação
desses fatores aos algoritmos desenvolvidos obviamente elevará a complexidade a um
nível mais alto. Por meio da previsão das respostas dos pacientes a diferentes cenários
de tratamento, os algoritmos provavelmente preencherão a lacuna entre a pesquisa in
vitro e a clínica.

Além de erradicar totalmente ou minimizar o uso de modelos animais, o uso de algoritmos

provavelmente aumentará a eficácia de novos medicamentos em desenvolvimento.
A estratégia tamanho único de desenvolvimento e tratamento de medicamentos não
anda de mãos dadas com a IA, uma vez que a IA é muito específica e mostraria até
pequenas diferenças entre o efeito das drogas e as respostas dos pacientes. Para gerar os
dados necessários para a modelagem computacional, especialistas em bioinformática,
cientistas biomédicos e médicos teriam de trabalhar juntos para criar protocolos de
tratamento e testes clínicos.

15
UNIDADE I | BIOINFORMÁTICA

Medicina regenerativa e engenharia de tecidos

A inteligência artificial também foi integrada em áreas como terapias com células-tronco,
engenharia de tecidos e medicina regenerativa. É importante ressaltar que algoritmos
foram desenvolvidos para prever as respostas dos pacientes ao tratamento com
células-tronco e produtos de engenharia. A medicina regenerativa e a engenharia
de tecidos oferecem grandes oportunidades para a melhoria da saúde dos pacientes.
Devido à sua novidade, o campo da medicina regenerativa sofre com a falta de dados
sobre protocolos e estratégias de tratamento. Atualmente, a maioria dos processos
biológicos é baseada no estudo de diferentes células separadamente. A IA pode ser
muito útil na modelagem de potenciais resultados na cultura de diferentes células.
Algoritmos que podem prever os resultados de experimentos complexos estão sendo
desenvolvidos e ajudarão na compreensão da formação de órgãos in vivo (SILVA,
NOGAROLI, 2020).

Inteligência artificial e a medicina

Atualmente, os médicos já recebem ajuda de algoritmos para tomar melhores decisões
clínicas. Os algoritmos de aprendizagem contínua permitem que os especialistas escolham
a melhor opção de tratamento com base em bancos de dados com diversas terapias que
já foram testadas. No tratamento de doenças complexas, os especialistas são beneficiados
por vários algoritmos de aprendizagem profunda, pois permitem que os profissionais
utilizem a melhor opção de tratamento. À medida que mais dados são disponibilizados
para os algoritmos de aprendizagem profunda, isso permitirá que até mesmo a equipe
médica com pouca experiência tenha um desempenho no mesmo nível que os melhores
especialistas.

Os especialistas terão à mão melhores softwares de tomada de decisão com grande

entrada de dados e anos de aprendizado, para ajudá-los a tomar uma decisão sobre
o tratamento de doenças com bastante segurança. O toque humano e a inteligência
emocional ainda terão de vir da equipe da clínica. Assim, é esperado que a IA nunca
substitua os especialistas à beira do leito, já que dificilmente uma máquina ganharia a
confiança total do paciente e não teria a capacidade de tranquilizar o paciente da mesma
forma que o médico (DYRO, 2004).

Oftalmologia
Muitos estudos foram realizados para comparar a capacidade de vários algoritmos para
diagnosticar doenças oculares. A avaliação das imagens ou fotografias é muito importante
que seja realizada por mais de um especialista. Uma vez avaliadas, milhares e às vezes
bilhões de imagens podem ser utilizadas para o treinamento de redes neurais. Um desafio

16
 BIOINFORMÁTICA | UNIDADE I

para o diagnóstico é a retinopatia diabética, pois, ainda que as redes neurais possam
ser treinadas para diagnosticar retinopatia diabética, ainda é necessária a homologação
médica. É importante ressaltar que os algoritmos computacionais atuais são capazes
de ir além do diagnóstico de retinopatia diabética e degeneração macular, porém novas
aplicações ainda estão em estudo e análise de precisão, algo que deve mudar ao longo
dos próximos anos conforme os algoritmos forem mais bem desenvolvidos.

Os exemplos de empresas envolvidas na fabricação de algoritmos e dispositivos, que podem

ser usados para diagnosticar retinopatia diabética e degeneração macular relacionada
à idade, incluem IDx e Deepmind. Alguns desses dispositivos e algoritmos estão sendo
usados como avaliações prospectivas da aplicabilidade da IA na
​​ clínica. Outras condições
oculares que foram avaliadas usando a tecnologia de IA incluem catarata e retinopatia
infantil (BRONZINO, 2006).

Radiologia

A tecnologia de IA já é usada na área médica há algum tempo. Exames médicos, como

os de raios X, podem utilizar IA para ajudar no diagnóstico. Vários algoritmos que
consistem em CNNs (Convolutional Neural Network) de mais de 100 camadas foram
utilizados para
​​ diagnosticar enfermidades como pneumonia e tumores. Vários países já
estão testando essas redes neurais profundas na interpretação de várias radiografias de
tórax. Uma rede neural profunda mostrou-se melhor do que radiologistas na detecção
do câncer pulmonar. Em alguns casos, as redes neurais profundas levaram à diminuição
dos erros cometidos durante o diagnóstico. A maioria dos dados publicados sobre a
precisão e a eficiência de redes neurais profundas está na forma de pré-impressão, o
que significa que as mudanças podem ocorrer em algum estágio. Assim, a utilidade de
tais algoritmos na clínica ainda não é conhecida, embora algumas estejam validadas.

Análise facial

Dados recentes mostraram que as tecnologias de análise facial podem funcionar no mesmo
nível que os geneticistas clínicos. Um programa com uma estrutura de aprendizado
profunda, o DeepGestalt, reconhece características faciais utilizadas para detectar
síndromes genéticas. As síndromes que podem ser detectadas por meio da análise facial
são as craniofaciais, Noonan e Kabuki (CARMO, 2018).

Dermatologia
O efeito da tecnologia de IA já foi sentido em muitos campos da medicina, como a
dermatologia. O câncer de pele agora pode ser classificado pelo uso de algoritmos
computacionais e imagens digitalizadas para diagnosticar o melanoma. O avanço contínuo

17
UNIDADE I | BIOINFORMÁTICA

da tecnologia de IA permitiria aos médicos utilizar uma ferramenta auxiliar durante

diagnóstico, tratamento e encaminhamento de doenças. No futuro, o rastreamento e o
tratamento do câncer serão revolucionados pela tecnologia de IA por meio de avanços
recentes em biópsias líquidas e previsão de resultados no tratamento de algumas doenças.
A heterogeneidade do tumor é uma das principais causas de falha no tratamento clínico.
Os tumores abrigam diferentes tipos de células, assim a identificação de diferentes células
tumorais presentes em um tumor é útil na escolha do tratamento. A heterogeneidade das
manifestações da doença significa que o tratamento deve ser adaptado aos indivíduos
com base em suas condições genéticas, fenotípicas e ambientais. Embora isso possa
ser caro, a coleta contínua de informações personalizadas sobre genética, proteômica
e fenótipo melhora os softwares para o tratamento de melanomas (CARMO, 2018).

Cardiologia

Eletrocardiogramas e ecocardiogramas são as principais fontes de informação

para cardiologistas. Vários estudos usaram redes neurais profundas para analisar
eletrocardiogramas (ECG) e ecocardiogramas. Até agora, as redes neurais profundas
auxiliam os médicos especialistas no diagnóstico de ataque cardíaco e outras condições
cardíacas. A rede neural profunda possui maior precisão na classificação e no diagnostico
de cardiomiopatia hipertrófica e amiloide cardíaca do que os cardiologistas.

Gastroenterologia
Os pólipos podem potencialmente evoluir para câncer. Atualmente, a colonoscopia é
o melhor método para detectar pólipos. Os pólipos muito pequenos são muito difíceis
de serem encontrados durante a colonoscopia, mesmo com a aplicação de corantes.
A IA proporcionou algum alívio aos gastroenterologistas. As redes neurais profundas
mostraram uma boa precisão, de 94%, no diagnóstico de pequenos pólipos, assim, a IA
pode fornecer um meio de evitar a utilização de corantes e também oferecer uma maneira
muito mais rápida de detectar pólipos por meio da análise de imagens de colonoscopia.

Inteligência artificial e eficiência

A IA oferece aos médicos e cientistas a capacidade de prever os resultados de um
teste ou tratamento, permitindo que o sistema de saúde seja mais eficiente sem gastar
tantos recursos. As complicações que surgem quando as condições da doença são mal
avaliadas podem resultar na perda de vidas ou levar à utilização de recursos que não
são necessários. Os algoritmos computacionais podem avaliar os resultados de exames
e auxiliam os médicos na tomada de decisão em qualquer situação. O algoritmo, nesse
caso, não está substituindo os médicos, mas ampliando o processo de tomada de decisão
(CARMO, 2018).

18
 BIOINFORMÁTICA | UNIDADE I

A IA na clínica pode levar à redução do número de trabalhadores necessários para

desenvolver uma mesma atividade. Alguns podem argumentar que a IA já está substituindo
alguma força de trabalho humana, como os técnicos de radiologia e até mesmo médicos.
Para os pacientes, no entanto, isso significa menos papelada e interação com muitos
funcionários de hospitais e clínicas. Assim, os sistemas de saúde podem aproveitar as
tecnologias de IA para aumentar o trabalho dos médicos. Os algoritmos de aprendizado
profundo podem usar dados inseridos em computadores para aprender como os pacientes
podem ser tratados. A disponibilidade de dados fisiológicos, sociais, econômicos,
comportamentais e biológicos beneficia diretamente o tratamento de vários pacientes.

Inteligência artificial e diagnóstico não invasivo

O avanço da tecnologia significa que o monitoramento de parâmetros corporais, como

níveis de oxigênio, temperatura, pressão arterial, batimento cardíaco e outros parâmetros
em nível molecular, pode ser feito de forma contínua e não invasiva. Qualquer mudança
nos sinais fisiológicos poderá ser detectada precocemente para auxiliar a salvar vidas
(DYRO, 2004).

A utilização de dispositivos eletrônicos, biossensores e algoritmos de IA podem gerar

dados de saúde de um paciente de forma contínua para alimentar um sistema de
armazenamento central. Os dados eletrônicos de saúde de um indivíduo podem ser
monitorados por um profissional de saúde para auxiliar na evolução do quadro clínico
do paciente. O avanço da tecnologia é tão grande que até os sinais bioquímicos agora
podem ser monitorados sem a necessidade de coleta de exames – por meio do software
wearables, é possível monitorar a exposição à radiação ultravioleta e quantificar o
nível de álcool no suor.

Softwares como os usados em smartwatches ou smartbands são utilizados para detectar

a fibrilação atrial, que pode causar coágulos sanguíneos, derrame ou outras complicações.
Esse tipo de software pode detectar os batimentos cardíacos de um usuário quando ele
está descansando ou faz algum exercício físico. Qualquer alteração significativa acionará
um alarme e um ECG será registrado no relógio. O programa irá avaliar se é necessário
que o paciente consulte um médico ou não (CARMO, 2018).

Esses algoritmos para smartwatches também fornecem informações sobre os níveis

de íons, como sódio e potássio no sangue. Esses métodos não invasivos de análise de
sangue são muito atraentes e podem ser úteis para pacientes com problemas renais. É
provável que várias outras condições patológicas sejam diagnosticadas com IA em breve.

Outros aplicativos para smartphones usam imagens de comidas para calcular os nutrientes
do alimento e ajudar a prever a resposta do corpo humano sobre determinados grupos

19
UNIDADE I | BIOINFORMÁTICA

de alimentos. A IA pode orientar os indivíduos sobre o que comer com base em seus
parâmetros fisiológicos.

Inteligência artificial e big data

Um dos principais fatores que contribuem para o desenvolvimento e a validação

bem-sucedida da IA é a utilização de dados armazenados. Estudos retrospectivos
realizados com dados médicos que estão disponíveis são utilizados para validar um
programa. A criação de grandes conjuntos de dados, como o sequenciamento do
genoma completo, beneficiou muito do desenvolvimento de algoritmos computacionais.
Na verdade, métodos de aprendizagem foram utilizados em sequenciamento genômico
em análises de expressão gênica. Vários algoritmos livres foram desenvolvidos para a
análise e classificação de mutações de câncer, alterações epigenéticas, como metilação,
interações proteína-proteína e análise celular (DYRO, 2004).

Uma desvantagem que ocorre na maioria dos programas é que eles são desenvolvidos
e concentrados em uma única plataforma de tecnologia. Os softwares que foram
desenvolvidos recentemente podem realizar análises multiômicas em diferentes conjuntos
de dados. A capacidade de predição de muitos programas já é utilizada em abordagens
como análise de alterações genéticas ou para identificar possíveis efeitos colaterais
devido ao uso de certos medicamentos.

Limitações e perspectivas futuras

As limitações dos algoritmos de IA são: a falta de empatia, emoções e responsabilidade
humanas. Ainda há muito a ser feito em termos de validação e implementação do uso da
IA na medicina. No momento, a tecnologia de IA requer governança crítica e inovação
para torná-la segura e eticamente compatível antes que seu uso seja generalizado. A
avaliação da IA em ambientes clínicos deve ser realizada constantemente por profissionais
qualificados para diagnosticar possíveis e eventuais falhas de operação.

Todos os algoritmos requerem algum treinamento antes de serem validados no ambiente

clínico. Assim, os dados dos pacientes terão de ser compartilhados entre instituições
de saúde e, às vezes, entre países. Isso pode ser um desafio, pois os dados já coletados,
na maioria das vezes, não possuem consentimento informado para ser compartilhado
com outros países. As infraestruturas de saúde e os padrões de privacidade podem ser
diferentes entre os países e colocam uma restrição no compartilhamento de dados. Vários
bancos de dados internacionais foram criados, incluindo o Kaggle Data Science Bowl,
o The Cancer Genome Atlas e o Visual Concept Extraction Challenge in Radiology.
Muitos países apoiaram o desenvolvimento e o uso da IA nas ciências biomédicas e na
medicina.

20
 BIOINFORMÁTICA | UNIDADE I

A transparência dos algoritmos computacionais é muito importante, pois a qualidade

dos dados de entrada determinará os resultados obtidos. A denominação dos dados de
entrada é fundamental e deve ser transparente para que revisões críticas dos métodos
de treinamento possam ser realizadas. Como um Software chegou a uma decisão?
Isso deve ser entendido; o raciocínio de um programa para tomar uma decisão deve ser
decifrado para que possa ser contestado ou aprimorado quando necessário para que
seja compreensível para os seres humanos (CARMO, 2018).

21
CAPÍTULO 3
TELEMEDICINA

Em uma vila remota na América Central, a infecção de uma criança não gerenciada
poderia ter piorado se não fosse pelo diagnóstico realizado a longa distância por sistema
de telemedicina recentemente instalado entre Zacapa, Guatemala, Houston e Texas.
Os médicos especialistas em dermatologia pediátrica avaliaram uma ferida e prescreveram
todo o tratamento necessário para o paciente. Os recentes desenvolvimentos nas
telecomunicações e nos campos da tecnologia e da informação mantêm a promessa de
melhor acesso e utilização de recursos relacionados ao tratamento da saúde a distância
(CAETANO, 2020).

Além desses desenvolvimentos, a implantação de programas interativos de treinamento

distante oferece uma oportunidade de diminuir a lacuna de conhecimento entre os
principais centros médicos acadêmicos, onde novos conhecimentos médicos estão sendo
continuamente descobertos e os profissionais de saúde remotos que muitas vezes são
pressionados para oferecer um serviço de qualidade às necessidades das comunidades
em um ambiente competitivo e com recursos limitados. A telemedicina pode criar
oportunidades e proporcionar um sistema de prestação de cuidados de saúde mais
eficiente e acessível. A telemedicina é apenas a ferramenta (não o fim) pela qual podemos
superar barreiras no caminho para a prestação de serviços de qualidade que o sistema
atual não consegue realizar de forma eficaz (MALDONADO; MARQUES; CRUZ, 2016).

Os desenvolvimentos das ferramentas modernas de telecomunicações e tecnologia

da informação apresentam uma oportunidade radical para mudar a infraestrutura na
assistência à saúde. A implementação de programas de telessaúde em diversos ambientes
é apoiada por abordagens entusiasmadas, mas sem apresentar o planejamento suficiente
para ser utilizada. É preciso entender melhor como adotar a telemedicina e quais são as
vantagens oferecidas para implantar tal sistema. Em sua aplicação básica, a telemedicina
leva assistência à saúde de forma remota para suprir as necessidades clínicas e promover
a educação em saúde de forma inovadora.

A telemedicina se tornou um marco da prática médica durante a pandemia de COVID-19,

foi a principal ferramenta empregada para o combate do novo coronavírus. Vários
países tiveram de se reinventar para realizar a prática clínica a distância. Há mais de
150 programas de telemedicina em operação hoje. Estima-se que 60% deles possuem
menos de 2 anos de existência, o que representa uma modalidade relativamente nova
no sistema de assistência à saúde. Antigamente, a maioria dos profissionais estava em
constantes debates sobre as questões regulatórias e de sustentabilidade. Atualmente, a
telemedicina é uma necessidade para esvaziar o pronto-socorro e diminuir filas de

22
 BIOINFORMÁTICA | UNIDADE I

atendimento. Este capítulo analisa a evolução e as principais questões a serem consideradas

nos programas de telemedicina (DYRO, 2004).

O sistema de telemedicina
Os computadores interativos e as tecnologias avançadas de telecomunicações estão
transformando todos os aspectos da vida de diversas pessoas. Na ciência, foram criadas
salas virtuais de pesquisa e simulação, distribuidores farmacêuticos e substituições
de órgãos de tecido humano por artificiais. Os avanços na tecnologia melhoram a
qualidade de vida da população no geral. Os profissionais da saúde desfrutam de novas
oportunidades criadas por meio dos avanços da tecnologia na transformação da saúde.

O impacto positivo na integração da telemedicina nos serviços de atendimento ao

paciente possui gestão eficiente na assistência à saúde, à educação e na pesquisa clínica.
A implantação da telemedicina foi impulsionada pelos seguintes fatores:

» gerenciar a distância o quadro clínico do paciente;

» realizar assistência à saúde de populações que estão isoladas ou amplamente

distribuídas geograficamente;

» diminuir o agravamento de doenças;

» globalizar os serviços de saúde e de apoio;

» melhorar a comodidade do paciente (MALDONADO; MARQUES; CRUZ, 2016).

A telemedicina pode ser descrita como a prática da assistência à saúde por meio do uso
de tecnologias avançadas de comunicação, computadores, instrumentação de vídeo e
dispositivos médicos para realizar a troca de informações e desenvolver serviços que
superam as barreiras impostas pela distância, pelo tempo e as diferenças socioculturais.
As aplicações específicas da telemedicina são as seguintes:

» prestação de serviços médicos;

» consulta ou avaliação;

» prevenção;

» diagnóstico;

» tratamento;

» transferência de dados médicos;

» educação em saúde;

» pesquisa colaborativa.

23
UNIDADE I | BIOINFORMÁTICA

As aplicações atuais são classificadas da seguinte forma:

1. triagem/avaliação inicial dos pacientes;

2. decisões de triagem e triagens de pré-transferência;

3. acompanhamento médico e cirúrgico e revisão de medicamentos;

4. consulta para encontros na atenção primária;

5. consulta e planejamento de cuidados de subespecialidade em tempo real;

6. manejo de doenças e condições crônicas;

7. trabalhos diagnósticos prolongados;

8. revisão de imagens diagnósticas;

9. medicina preventiva e educação do paciente.

A prática da telemedicina

A telemedicina utiliza tecnologias de informação e comunicação para fornecer e apoiar

serviços de saúde, quando distância e tempo separam os pacientes dos médicos.
Em sua forma mais simples, um programa de telemedicina consiste em um local onde
está localizado um médico consultor que irá realizar uma consulta do paciente de forma
remota. A consulta entre médico e paciente serve para realizar diagnóstico, avaliação,
tratamento ou parecer de alguma enfermidade. O ponto central pode realizar uma ou
mais consultas em diversos locais remotos. A revisão peer-to-peer pode ser praticada
em duas modalidades diferentes, em tempo real ou em tempo atrasado, conhecido como
o modo store-and-forward. A diferença entre as modalidades é o período de tempo
associado ao protocolo de consulta e a velocidade da internet (CAETANO, 2020).

As práticas de telemedicina podem ser categorizadas em diversas modalidades, de

acordo com o tipo de serviços prestados. Encontros telemédicos podem se concentrar
em programas clínicos, educacionais ou administrativos. Um programa que proporcione
encontros clínicos deve cumprir uma variedade de diretrizes regulatórias e deve aderir
a políticas e procedimentos para realizar a consulta do paciente de forma remota.
Outra categoria desenvolvida pode ser implantada por um sistema de ponto a ponto ou
hub-and-multiple-spokes. No entanto, a categorização mais popular é feita ao longo
do período de tempo em que o encontro telemédico começa a ser revisado e concluído.

A maioria dos programas de telemedicina opera de forma sincronizada, ou no que é

conhecido como um encontro interativo em tempo real. A outra modalidade é assíncrona,
em que o médico e o paciente não estão presentes no momento da consulta junto com

24
 BIOINFORMÁTICA | UNIDADE I

o especialista. Em vez disso, o médico encaminha informações do paciente por meio de

vídeo ou áudio (DYRO, 2004).

Os pacientes podem enviar para o endereço eletrônico do consultório médico informações

como exames, história pregressa da doença, histórico familiar, demografia sinais vitais
e sintomas da doença. Essas informações podem ser encaminhadas na hora da consulta
ou antes para o profissional médico avaliar no sistema. A transmissão é criptografada
para proteger a privacidade do paciente e fornecer a confidencialidade das informações
fornecidas. O médico que vai realizar a consulta é alertado sobre a chegada do arquivo
eletrônico e abre o prontuário do paciente para realizar a consulta (BRONZINO, 2006).

Figura 3. Telemedicina.

Fonte: IPnews, 2020.

O paciente não precisa sair de casa para realizar consultas ou enfrentar um longo
tempo de espera nos consultórios para passar por uma consulta médica. O paciente
gasta somente com o custo das telecomunicações e economiza tempo e dinheiro.
A telemedicina no modo interativo em tempo real possui a alta qualidade de vídeo e som,
e pode ter vários especialistas que participam de forma simultânea durante a consulta
para discutir o quadro clínico do paciente e a melhora dos processos de tomada de
decisão, bem como fornecer suporte para a equipe médica (CAETANO, 2020).

A expansão da telemedicina apresentou diversas aplicações clínicas para atender uma

grande demanda de pacientes durante a pandemia de COVID-19. Os profissionais
da saúde junto com os pacientes apresentaram grande aceitação na utilização da
telemedicina. Essa ferramenta é utilizada de forma eficiente no combate ao novo
coronavírus, a participação do corpo clínico em conjunto com as ciências da computação
desenvolveram programas de telemedicina que são utilizados por vários países.
Mas ainda há barreiras que devem ser superadas como:

25
UNIDADE I | BIOINFORMÁTICA

» profissionais qualificados;

» treinamento e recursos para a implantação;

» responsabilidade e licença técnica;

» problemas com agendamento de consultas;

» igualdade e universalidade da assistência à saúde;

» relação entre médico e paciente;

» adequação da aplicação;

» resistência do paciente;

» abuso/excesso de utilização;

» confidencialidade/privacidade.

Os requisitos para a implantação dos sistemas de telemedicina são agrupados em três

categorias: estação de trabalho, rede de comunicação e percepção humana. Vejamos.

Estação de trabalho da telemedicina

Os sistemas de telemedicina requerem vídeo programável, áudio, tratamento e

compressão de imagens para suportar aplicações que vão desde videoconferência
típica até aquelas que fornecem vídeo, áudio e imagens médicas de forma interativa.
Os sistemas telemáticos geralmente fornecem os seguintes padrões e formatos: MPEG
(para compactação de áudio/vídeo de alta qualidade), JPEG (para compactação de imagens
estáticas), H.320 (para videoconferência por ISDN) e H.324 (para videoconferência por
POTS). Além disso, aquisição, compressão e processamento, bem como a interface de
comunicação precisam ser totalmente integradas para garantir a eficiência do sistema.
Suporte para aquisição de dados de dispositivos médicos são essenciais, como: estetoscópio
eletrônico, exames de imagens para o diagnóstico, câmeras e monitores de alta resolução
(DYRO, 2004).

Rede de comunicação

Os sistemas de telemedicina se adaptam a uma grande variedade de velocidade de internet

(por exemplo, de 28k bps a mais de 155 Mbps); conforme a utilização da telemedicina,
os canais de comunicação por internet (linhas ISDN, cabo de fibra ótica terrestre, link
de satélite) e o nível de interação são essenciais para proporcionar a melhor transmissão
de vídeo e áudio. Por exemplo, os aplicativos básicos de teleconsulta geralmente podem
ser realizados com baixas taxas de bits com compactação disponível e hardware de

26
 BIOINFORMÁTICA | UNIDADE I

processamento. No entanto, a consulta em tempo real com base na transmissão de

vídeo de alta qualidade ou imagens DICOM requer taxas de bits mais altas e hardware
especializado. É claro que, com assuntos mais desafiadores de teleconsultas, larguras
de banda maiores serão necessárias para fornecer qualidade de serviço adequada
(MALDONADO; MARQUES; CRUZ, 2016).

Percepção humana

A latência da comunicação deve ser minimizada para dar suporte a uma interação efetiva
dentro do sistema telemédico. O atraso entre a reprodução de áudio e vídeo deve ser
inferior a 80 ms para ser percebido como sincronizado por observadores humanos. No
caso de comunicação full duplex, áudio e vídeo devem chegar no máximo em 80mseg,
o que não é fácil de conseguir, esse requisito exige conexões de rede de internet rápidas
para evitar atraso.

Os tipos de sistema utilizados na telemedicina

O fator crítico na avaliação dos sistemas telemédicos é o intervalo de tempo necessário

para obter uma resposta do médico que está no outro lado da conexão. Além disso,
esse critério determina dois tipos básicos de aplicativos utilizados na telemedicina, que
veremos a seguir.

Telemedicina store-and-forward

A telemedicina store-and-forward é utilizada para transferir imagens digitais de um

local para outro. As imagens são capturadas com câmeras digitais ou vídeo, que são
enviados para avaliação de um médico em outro local. O médico envia o laudo por
e-mail, resumo, texto ou anexa diretamente no site. Esse tipo de aplicativos geralmente
não é viável para intervenções de emergência, pois o médico especialista revisa e faz a
avaliação quando conveniente. Não há limite para a distância geográfica entre a origem
e o destino da imagem (DYRO, 2004).

Vinculação de vídeo em tempo real

A vinculação de vídeo em tempo real é usada quando ocorre contato e interação

“face a face” ou uma sessão entre um paciente e profissional de saúde em um
local e um especialista em outro local ou uma sessão entre profissionais de saúde.
Em algumas aplicações específicas, o paciente pode ser o único participante da sessão
de teleconferência, por exemplo, um atendimento domiciliar. Equipamentos de
videoconferência especializados em ambos os locais permitem consultas em tempo real.
A transmissão eletrônica de imagens radiológicas, como tomografias computadorizadas

27
UNIDADE I | BIOINFORMÁTICA

ou ressonância magnética, raios-X, ocorre quando estas são encaminhadas para a

interpretação ou avaliação médica.

A telerradiologia requer interpretação rápida das imagens enviadas para avaliação médica.
Do ponto de vista técnico, os dados médicos podem ser carregados em um servidor e
acessados via navegador da web; da mesma forma, o diagnóstico pode ser anexado aos
dados médicos em um servidor web. Esse modelo pode armazenar o prontuário do
paciente nos bancos de dados, que podem ser disponibilizados em qualquer terminal de
computador com tecnologia thin client. Essa solução possui mecanismo de segurança
para que não ocorra o vazamento de dados dos pacientes, o acesso dos usuários pode
ser ajustado, por meio de senhas de autorização e autenticação para assegurar o acesso.
As etapas básicas realizadas neste modelo são as seguintes:

» Uma imagem radiológica selecionada é obtida de um banco de dados por meio

de um software dedicado instalado no servidor web e enviada ao navegador do
avaliador.

» O consultor avalia a imagem.

» A descrição da imagem e o diagnóstico sugerido são postados de volta no servidor

web e armazenados no banco de dados.

» Em seguida, a descrição ou o diagnóstico podem ser lidos pelo médico assistente,

quando necessário.

O armazenamento de dados pode ser implementado entre as instituições de saúde

por meio de programas em que o profissional de saúde realize uploads e downloads
de arquivos. O upload dos dados pode ser feito a qualquer momento. O paradigma de
vinculação de vídeo em tempo real apresenta apenas um modelo básico que pode ser
facilmente expandido. Dados médicos, por exemplo, imagens DICOM ou como arquivos
JPEG, podem ser enviados paralelamente à transmissão de áudio e vídeo em tempo real.
Tal cenário requer comunicação de rede de computadores de alta velocidade e estação
médica poderosa para realizar avaliação de dados durante a consulta da telemedicina
(CAETANO, 2020).

28
REFERÊNCIAS

BORGES, E. S.; PENTEADO, J. O. P. Fundamento de eletrocardiografia e programação.

Departamento de Estimulação Cardíaca Artificial (DECA) – da Sociedade Brasileira de Cirurgia Cárdio-
Vascular. V. 1. E. 1. 2015

BRONZINO, J. D. Medical devices and Systems. Trinity College Hartford, Connecticut, U.S.A, 2006.

CAETANO, R et al. Desafios e oportunidades para telessaúde em tempos da pandemia pela

COVID-19: uma reflexão sobre os espaços e iniciativas no contexto brasileiro. Cad. Saúde Pública 2020;
36(5):e00088920.

CALIL, S. J. Equipamento médico-hospitalares e o gerenciamento da manutenção, Ministério

da Saúde 2002.

CARMO, T. F. Inteligência artificial na medicina: suporte à suporte a elaboração de diagnósticos.

XIII Encontro de iniciação científica, UNIFIMES, Mineiros – GO, 2018.

CENN. Desfibriladores externos automáticos. 2015. Disponível em: https://www.ceen.com.br/

wp-content/uploads/2019/02/original-27daee8ebcdc0dda14ba6dddd901f3c2.jpg. Acesso em: 10 set.
2021.

CHETELAT, O. Continuous multi-parameter health monitoring system. Swiss Center for

Electronics and Microtechnology, Neuchatel, Switzerland, 2017.

DELGADO, H et al. Principles of external defibrillators. IntechOpen, 34, sup 4, 2013.

DISTONIA EM SAÚDE. Eletromiograma. 2017. Disponível em: https://distoniasaude.com/

eletromiografia/. Acesso em: 10 set. 2021.

DYRO, J. The Clinical engineering book. Elsevier, 2004.

ENGENHARIA CLÍNICA ON-LINE. As origens dos biopotenciais. 2021. Disponível em: https://
www.engenhariaclinica.online/images/As origens dos Biopotenciais.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Eletrodos. 2021. Disponível em: https://www.engenhariaclinica.

online/images/Eletrodos.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Amplificadores. 2021. Disponível em: https://www.engenhariaclinica.

online/images/Amplificadores.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Desfibriladores externos. 2021. Disponível em:https://www.

engenhariaclinica.online/images/Desfibriladores externos.png. Acessado em: Acesso em: 1 o out.
2021.

ENGENHARIA CLÍNICA ON-LINE. Derivações. 2021. Disponível em: https://www.engenhariaclinica.

online/images/Derivações.png. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Glicosímetro. 2021. Disponível em: https://www.engenhariaclinica.

online/images/Glicosímetro.jpg. Acessado em: 1/10/2021.

ENGENHARIA CLÍNICA ON-LINE. Bombas de infusão. 2021. Disponível em: https://www.

engenhariaclinica.online/images/Bombas de infusão.jpg. Acesso em: 1o out. 2021.

29
Referências

ENGENHARIA CLÍNICA ON-LINE. Bomba de analgesia controlada por paciente (PCA). 2021.
Disponível em: https://www.engenhariaclinica.online/images/Bomba de analgesia controlada por paciente
(PCA).png. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Bomba de Insulina e de infusão elastomérica. 2021. Disponível

em: https://www.engenhariaclinica.online/images/Bomba de analgesia controlada por paciente (PCA)2.
png. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Bombas de seringa. 2021. Disponível em: https://www.

engenhariaclinica.online/images/Bombas de seringa.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Aparelho de pressão digital. 2021. Disponível em: https://www.
engenhariaclinica.online/images/Aparelho de pressão digital.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Ventiladores mecânicos. 2021. Disponível em: https://www.

engenhariaclinica.online/images/Ventiladores mecânicos.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Os dispositivos de saúde domiciliar. 2021. Disponível em: https://
www.engenhariaclinica.online/images/Os dispositivos de saúde domiciliar.jpg. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Monitores multiparamétricos. 2021. Disponível em: https://www.

engenhariaclinica.online/images/Monitores multiparamétricos.png. Acesso em: 1o out. 2021.

ENGENHARIA CLÍNICA ON-LINE. Triângulo Einthoven. 2021. Disponível em: https://www.

engenhariaclinica.online/images/Triângulo Einthoven.jpg. Acesso em: 1o out. 2021.

FARIA, L. R et al. Comparative analysis of glucemia levels with portable glygosimeter versus laboratory
dosage in adults and elderly. Research, Society and Development, v. 10, n. 5, p. e23210514934.

FERREIRA, M et al. Use of Automated External Defibrillators (AEDs) by Lay People in Prehospital
Care: An Integrative Literature Review. Research, Society and Development, [S. l.], v. 10, n. 7, p.
e36110715989, 2021.

GAIA, D. Alocação do marcapasso. 2018. Disponível em: https://www.drdiegogaia.com.br/images/

stories/img/img-marcapasso2.webp. Acesso em: 10 set. 2021.

GARCIA, R et al. Desenvolvimento de um circuito para aquisição de EOG e de EMG facial.

Câmpus Ponta Grossa, Paraná, Brasil. SEA-Seminário de Eletrônica e Automação Ponta Grossa. 2017.

INSTITUTO DA VISÃO. Eletro-oculograma. 2015. Disponível em: http://ivisao.com/web/exames/.

Acesso em: 10 set. 2021.

IPNEWS. Inteligência artificial. 2020. Disponível em: https://ipnews.com.br/telemedicina-amplia-

alcance-do-atendimento-medico-no-amazonas/. Acesso em: 10 set. 2021.

KASVI. Espectrofotometria. 2018. Disponível em:https://kasvi.com.br/espectrofotometria-analise-

concentracao-solucoes/. Acesso em: 10 set. 2021.

KASVI. Espectrofotometria. 2018. Disponível em:https://kasvi.com.br/espectrofotometria-analise-

concentracao-solucoes/. Acesso em: 10 set. 2021.

LABORGENE. Bioinformática. 2019. Disponível em: https://www.laborgene.com.br/fundamentos-

da-bioinformatica/. Acesso em: 10 set. 2021.

30
 Referências

MALDONADO, J. M. S. V.; MARQUES, A. B.; CRUZ, A. Telemedicina: desafios à sua difusão no Brasil.
Cad. Saúde Pública, Rio de Janeiro, 32 Sup 2:e00155615, 2016.

MIOTEC. 2018. Inteligência artificial. Disponível em: https:https://blog.miotec.com.br/inteligencia-

artificial-aplicada-a-saude/. Acesso em: 10 set. 2021.

MIRANDA, P. H. Q et al. Biossensores para diagnóstico de doenças ocasionadas por vírus: uma revisão.
Hegemonia, Revista Eletrônica do Programa de Mestrado em Direitos Humanos, Cidadania e Violência/
Ciência Política do Centro Universitário Unieuro. Brasília, número 27 (Especial), 2019, pp. 105-127.

MSD MANUAL. Ondas do ECG. 2015 https://www.msdmanuals.com/-/media/manual/home/images/

c/v/s/cvs_ecg_reading_pt.gif?mw=704&thn=0&sc_lang=pt. Acesso em: 10 set. 2021.

NARESH, V.; LEE, N. A Review on Biosensors and Recent Development of Nanostructured Materials-
Enabled Biosensors. Sensors 2021, 21, 1109. https://doi.org/10.3390/s21041109.

OTANI, M. A. P.; BARROS, N. F. A medicina integrativa e a construção de um novo modelo na saúde.

Ciência & Saúde Coletiva, 16(3):1801-1811, 2011.

PEREIRA, J. Eletroencefalograma.2019. Disponível em: https://i.ytimg.com/vi/3vo0pQKD-ZU/

maxresdefault.jpg. Acesso em: 10 set. 2021.

PINOCHET, L. H. C. Tendências de Tecnologia de Informação na Gestão da Saúde. O Mundo da Saúde,

São Paulo: 2011;35(4):382-394.

POLACHAN, K. et al. Human Body – Electrode Interfaces for Wide-Frequency Sensing and Communication:
A Review. Nanomaterials, 11, 2152, 2021.

PPGQ-UFPR. Espectrometria de massa. 2012. Disponível em: http://www.prppg.ufpr.br/ ppgquimica/

laboratorio-de-espectrometria-de-massas/. Acesso em: 10 set. 2021.

RAMÍREZ, E. Sistemas de Medição Biomédica. BKG, v. 1. pp. 1-32, 2015.

RITMO. Estruturas do marcapasso. 2015. Disponível em: https://www.clinicaritmo.com.br /

tratamentos/implante-de-marcapasso/. Acesso em: 10 set. 2021.

SILVA, R.; NOGAROLI, R. Inteligência artificial na análise diagnóstica: benefícios, riscos e responsabilidade
do médico. Revista dos Tribunais, 2020.

SIVA, K et al. Cardiac Pacemakers: Function, Troubleshooting, and Management Part 1 of a 2-Part Series.
JACC vol. 69, n. 2, 2017.

YANEZ, M. G. Glucose Meter Fundamentals and Design, Revista Freescale, v. 1, N.01/2013.

31