Está enfrentando desafios com a análise manual de exames oftalmológicos, como imprecisões e tempo elevado para gerar laudos? Precisa de uma solução rápida, precisa e integrada aos processos de exame? Com o apoio da tecnologia Amazon Bedrock, nossa solução oferece uma maneira otimizada de classificar e gerar laudos a partir de imagens de fundo de olho.
Durante o desenvolvimento da solução, realizamos diversas iterações para ajustar a precisão e a capacidade de análise do Amazon Bedrock. A primeira versão da base de conhecimento apresentou desafios que nos permitiram aprimorar o sistema, construindo uma estrutura mais robusta e alinhada com parâmetros oftalmológicos clínicos reconhecidos. Essas iterações foram fundamentais para alcançar uma alta taxa de acurácia e consistência nos laudos gerados.
Nossa experiência com o Amazon Bedrock mostra que, configurado adequadamente, ele permite uma análise automatizada e precisa para exames oftalmológicos. Na nScreen, otimizamos essa tecnologia para cenários de classificação de retinografias, e vamos compartilhar os resultados que alcançamos.
Etapas de implementação
Identificação dos desafios: Inicialmente, mapeamos os desafios relacionados à precisão e velocidade na classificação de exames oftalmológicos. Com a coleta de imagens de retinografia, estruturamos o fluxo de dados a ser processado pelo Amazon Bedrock, configurando-o para reconhecer com precisão as principais características oftalmológicas, como sinais de retinopatia diabética e degeneração macular.
Configuração do Amazon Bedrock: A primeira etapa de configuração foi feita com uma base limitada de parâmetros, o que nos permitiu identificar lacunas e expandir o escopo com dados clínicos mais detalhados. Nessa etapa, o modelo Claude 3 Sonnet foi selecionado por sua capacidade de análise de texto e imagem, possibilitando a interpretação mais complexa de exames oftalmológicos com suporte a diagnósticos diferenciais.
Análise e revisão dos resultados: Na segunda iteração, foi incorporada uma base de conhecimento validada por profissionais de saúde, permitindo ao modelo identificar estruturas detalhadas e aspectos específicos de patologias oftalmológicas, como retinopatia diabética e degeneração macular, de forma consistente e fiel à literatura especializada. Após a classificação, o sistema gera laudos preliminares que são revisados automaticamente quanto à coerência com os dados dos exames. Além disso, a solução informa ao operador quando há necessidade de encaminhamento do paciente a um oftalmologista para uma avaliação mais profunda, oferecendo uma triagem inicial segura e prática.
Arquitetura e segurança
A aplicação foi desenvolvida com uma arquitetura modular, atendendo a normas de segurança como LGPD e HIPAA, garantindo a proteção dos dados sensíveis dos pacientes. Esse padrão de segurança se aplica ao processamento e armazenamento dos dados, essenciais em sistemas de saúde.
Os dados estruturados foram armazenados no DataLake e revisados iterativamente, o que foi essencial para a construção de uma base de conhecimento segura e confiável. O processamento também atendeu a exigências de LGPD e HIPAA, e o Amazon Bedrock passou a realizar análises automatizadas com bases consistentes e atualizadas, garantindo precisão na avaliação de imagens oftalmológicas.
Após análise dos requisitos, a arquitetura implementada para a solução foi a seguinte:
Descrição dos componentes:
CloudFront: Serviço de CDN (Content Delivery Network) da AWS. Neste contexto, está sendo usado para distribuir o conteúdo da aplicação web para coletar dados de anamnese.
S3 (front-end): Simple Storage Service da AWS, aqui utilizado para armazenar os arquivos estáticos do front-end da aplicação.
DynamoDB: Banco de dados NoSQL totalmente gerenciado pela AWS. Nesta arquitetura, armazena os dados coletados na anamnese e resultados do rekognition para cada paciente.
Lambda: Serviço de computação serverless da AWS. É utilizado em vários pontos da arquitetura para executar código em resposta a eventos, processar dados e integrar serviços.
DataLake: Repositório centralizado que permite armazenar todos os dados estruturados e não estruturados em qualquer escala. Aqui, armazena dados processados e resultados de análises.
Bedrock: Serviço da AWS para construção e operação de aplicações de IA generativa. Neste contexto, está sendo usado para processamento avançado de dados e geração de insights para os laudos.
Dispositivo médico: Componente externo, dispositivo médico para captura de imagens oftalmológicas.
Administrador: Interface ou componente para gestão e supervisão do sistema, usado por profissionais de saúde para revisão de laudos ou gerenciamento do fluxo de trabalho.
Informações complementares sobre o Amazon Bedrock
O Amazon Bedrock oferece uma plataforma robusta para o processamento de dados médicos, com suporte a uma ampla gama de diagnósticos baseados em imagens. Ele utiliza padrões reconhecidos para classificação oftalmológica, mantendo uma base comparativa para identificação de padrões visuais complexos. Essa arquitetura permite, ainda, expansões futuras, como integração com ferramentas de BI para avaliações de satisfação e notificações educativas.
Resultados
Obter diagnósticos rápidos e precisos em exames de fundo de olho é essencial para um atendimento ágil e eficaz. Com o Amazon Bedrock, alcançamos uma taxa de acerto superior a 95% na identificação de estruturas oculares em retinografias, imagens de topografia, tomografia e dados de exames de refração. A ferramenta também cruzou esses dados com informações de anamnese dos pacientes, possibilitando uma interpretação mais precisa, além de reduzir o tempo para a criação de laudos para menos de três minutos.
Os laudos gerados com a segunda versão da base de conhecimento, construída sobre artigos especializados e literatura clínica, resultaram em uma alta taxa de acerto superior a 95%. Esse avanço confirma a importância da base de conhecimento ampla e estruturada, aumentando significativamente a precisão e a consistência dos diagnósticos.
Conclusão
Nossa jornada de desenvolvimento com o Amazon Bedrock foi marcada por importantes aprendizados e iterações. Inicialmente, optamos pelo modelo Claude 3 Sonnet via Bedrock, por sua capacidade multimodal de processar tanto imagens quanto texto. Em nossa primeira abordagem, utilizamos uma base de conhecimento com parâmetros limitados, o que nos trouxe desafios significativos: os resultados da análise de exames, quando comparados por profissionais de oftalmologia, apresentavam divergências importantes em relação à realidade clínica. Esse primeiro teste foi fundamental para validar o potencial da tecnologia e identificar áreas críticas de aprimoramento.
Com essa experiência, desenvolvemos uma base de conhecimento mais robusta e fundamentada em literatura especializada e artigos científicos da área oftalmológica. O objetivo foi verificar se o modelo mantinha consistência ao operar com uma base de conhecimento mais estruturada e abrangente. Os resultados foram extremamente positivos: o modelo demonstrou alta fidelidade aos parâmetros definidos na base ampliada, produzindo análises consistentes e confiáveis. Isso reforçou nosso entendimento de que a precisão da solução está diretamente ligada à qualidade e abrangência dos dados utilizados para treinar o sistema.
A implementação do Amazon Bedrock como ferramenta de análise de dados oftalmológicos não só automatizou a geração de laudos preliminares como também facilitou o processo de diagnóstico para os administradores do sistema. Com dados capturados pelo sistema Visionis e instruções técnicas detalhadas, a análise do Bedrock incluiu padrões para diversas patologias oculares, garantindo uma comparação robusta com casos de olhos saudáveis. Essa estrutura permitiu a identificação de doenças como retinopatia diabética e degeneração macular, possibilitando uma análise precisa e detalhada dos exames.
Essa experiência nos deu confiança de que a solução é adaptável a diversos contextos médicos para análise de exames e anamneses, desde que estruturada e validada por especialistas da área. Em suma, o Bedrock provou ser uma ferramenta eficaz para suportar diagnósticos preliminares rápidos, seguros e confiáveis, abrindo portas para a adoção de IA em diagnósticos de outras especialidades, ampliando o alcance e a aplicabilidade da solução em ambientes clínicos complexos.
Está pronto para revolucionar seus processos de análise oftalmológica? Entre em contato com a nScreen para desenvolver uma solução personalizada com o poder da AWS.
Sobre a nScreen
nScreen | Eclipseworks company
Somos o braço especializado em cloud da Eclipseworks, atuamos da migração on premise para a nuvem, até o uso de serviços avançados como IA Generativa. Além disso, nós somos especialistas na criação de experiências digitais, combinando metodologias centradas no usuário com engenharia de software avançada para desenvolver soluções inovadoras e eficazes.