BIG "MÉDICO" DATA

No cruzamento da medicina e da ciência da computação, pesquisadores buscam correlações clinicamente úteis em meio a montanhas de informações.

Com o recente lançamento do Instituto do MIT para Engenharia Médica e Ciência (MIT’s Institute for Medical Engineering and Science),através de um potencial para remodelar a medicina e cuidados de saúde, através de novos conhecimentos científicos, novos tratamentos e produtos, uma melhor gestão de dados médicos e melhorias na prestação de cuidados de saúde.

No final de 2012, o show National Public Radio "Fresh Air" apresentava um segmento em que seu comentarista de lingüística argumentou que "big data" deve ser a palavra do ano. O termo refere-se não só para o dilúvio de dados produzidos pela proliferação de dispositivos portáteis cravejados de sensores conectados à Internet, mas também a técnicas inovadoras para a análise desses dados, e big data recebeu uma boa dose de crédito para a vitória de Barack Obama na última eleição presidencial.

Certamente, o termo estava em uso pesado em torno de Ciência do MIT Computer and Artificial Intelligence Laboratory (CSAIL), que em 2012 lançou uma nova iniciativa de grande de dados chamado bigdata@CSAIL. Vários dos pesquisadores afiliados a bigdata@CSAIL estão desenvolvendo novas técnicas para o processamento de dados médicos, para torná-lo mais acessível a médicos e pacientes e para encontrar correlações que poderiam melhorar o diagnóstico ou escolha de terapias.

Peter Szolovits, professor do Departamento de Engenharia Elétrica e Ciência da Computação (EECS) e da Divisão Harvard-MIT de Ciências da Saúde e Tecnologia (HST), orienta a decisão clínica Fazendo grupo em CSAIL, que está pesquisando uma série de métodos e trazendo inteligência artificial para dar suporte a cuidados médicos. O grupo participa de uma grande iniciativa, patrocinado pelos Institutos Nacionais de Saúde, para criar um sistema de banco de dados que ligaria dados genômicos e dados clínicos para que os médicos possam mais facilmente testar hipóteses sobre conexões entre as variações genéticas e doenças específicas.

O grupo também está investigando maneiras de extrair automaticamente os dados úteis a partir de forma livre de notas clínicas dos médicos. Recentemente, o grupo apresentou uma nova abordagem promissora para o problema da desambiguação da palavra-sentido, ou inferir a partir do contexto, que de vários significados de uma palavra se destina. (A palavra "descarga", por exemplo, mostra-se freqüentemente em consultórios médicos notas, mas com significados radicalmente diferentes.) A mesma linha de investigação tem desmembrado vários artigos sobre o anonimato dos dados médicos - removendo automaticamente as informações de identificação para proteger a privacidade dos pacientes.

Rastreamento de Doenças

John Guttag, a Dugald C. Professor Jackson em EECS e outro membro da bigdata@CSAIL, dirige o grupo Medicine Data-Driven do CSAIL. Entre outras coisas, o grupo investiga técnicas para detectar e prever infecções transmitidas em meios hospitalares. Em vários papéis no ano passado, Jenna Wiens, um estudante graduando no grupo, usou técnicas de aprendizado de máquina para filtrar através de dezenas de variáveis, algumas estáticas, como idade e queixa na hora da admissão, e algumas dinâmicas, como sinais vitais e resultados de laboratório, para encontrar pacientes que sugeriam risco elevado de infecção com o desagradável intestinal difficile bug Clostridium.

Há um membro da bigdata@CSAIL que ainda não é um pesquisador CSAIL, Sandy Pentland do MIT Media Lab. O Grupo de Pentland, rastreia dados de sensores portáteis, dispositivos para fins especiais ou celulares com o objetivo de encontrar os dados pertinentes a uma série de perguntas, de como melhorar a produtividade em grandes empresas para a probabilidade de que duas pessoas que acabaram de se conhecer irão começar a namorar. Mas as mesmas técnicas também são úteis para a investigação epidemiológica. Na Conferência Internacional do ano passado sobre computação social, Modelagem Comportamental Cultural, e Prediction, Pentland e seus alunos ganharam o prêmio de melhor papel para um estudo de monitoramento da propagação da gripe através das redes sociais de um grupo de estudantes do MIT.

Bate-papo, gráficos

Também baseado no Media Lab está a New Media Medicina de Grupo, liderado por Frank Moss, professor da prática de artes e ciências de mídia. O Projeto Descoberta coletiva do grupo, que envolve Moss e seus alunos de pós-graduação John Moore e Ian Eslick, visa proporcionar ferramentas para permitir que membros de fóruns de discussão on-line, uma fonte rica de informação, mas errático e não-estruturados, coletar e organizar dados clinicamente relevantes sobre o seu próprio experiências com doenças específicas e cursos de tratamento.

Um grafico é uma estrutura de dados que consiste em nós  que são geralmente descritos como círculos e as bordas que são geralmente descritos como linhas. Geralmente, Willsky diz, no trabalho de seu grupo, "as bordas entre os nós codificam relações estatísticas." Então, se os nós de um grafico representado por fatores ambientais, fisiológicas e genéticas observadas em uma população, técnicas desenvolvidas pelo grupo de Willsky poderia em princípio ajudar pesquisadores a avaliar as correlações estatísticas entre esses fatores e, digamos, a incidência de asma.

Círculo Completo

Um bom exemplo da convergência da informática e da medicina na era do big data é David Reshef, que tem ambos Bacharelado e Mestrado em engenharia elétrica e ciência da computação do MIT. Para sua tese de mestrado, no entanto, Reshef escolheu como assessor Pardis Sabeti, um professor assistente de biologia na Universidade de Harvard e membro do MIT e joint Instituto Broad de Harvard. O plano de Reshef foi desenvolver algoritmos para analisar conjuntos de dados epidemiológicos, para extrair informações sobre as condições que mais contribuem para surtos de doenças.

Esse trabalho veio a ser concretizado no final de 2011, quando Reshef e seu irmão, Yakir, ambos os quais são agora os alunos MD-Phd em HST - ". Detecção de Novas Associações em grandes conjuntos de dados" eram principais autores em um artigo na Science, de certa forma, esse papel traz o crosstalk entre ciência da computação e medicina formando um círculo completo: embora nascido de pesquisas sobre dados epidemiológicos, os algoritmos os Reshefs desenvolvidosjuntamente com Sabeti, Michael Mitzenmacher de Harvard, e outros colegas - são de fato generalizável a todos tipos de dados.