A Piction Health, fundada por Susan Conover SM ’15, usa machine learning para ajudar os médicos a identificar e gerenciar doenças de pele.
Aos 22 anos, quando Susan Conover quis examinar uma verruga de aparência estranha, ela foi informada de que levaria três meses para consultar um dermatologista. Quando a toupeira foi finalmente removida e biopsiada, os médicos determinaram que era cancerígena. Na época, ninguém podia ter certeza de que o câncer não havia se espalhado para outras partes do corpo – a diferença entre o estágio 2 e o estágio 3 ou 4 do melanoma.
Felizmente, a toupeira acabou sendo confinada a um ponto. Mas a experiência lançou Conover no mundo das doenças de pele e dermatologia. Depois de explorar esses tópicos e possíveis soluções tecnológicas no programa de pós-graduação em Design e Gerenciamento de Sistemas do MIT, Conover fundou a Piction Health.
O Piction Health começou como um aplicativo móvel que usava inteligência artificial para reconhecer o melanoma a partir de imagens. Com o tempo, no entanto, Conover percebeu que outras doenças da pele compõem a grande maioria dos casos atendidos por médicos e dermatologistas. Hoje, Conover e seu cofundador Pranav Kuber se concentram em ajudar os médicos a identificar e gerenciar as condições de pele mais comuns – incluindo erupções cutâneas como eczema, acne e herpes zoster – e planejam fazer parceria com uma empresa para ajudar a diagnosticar câncer de pele no futuro.
?Todas essas outras condições são as que costumam ser encaminhadas à dermatologia, e os dermatologistas ficam frustrados porque preferem gastar tempo com casos de câncer de pele ou outras condições que precisam de ajuda?, diz Conover. ?Percebemos que precisávamos nos afastar do câncer de pele para ajudar os pacientes com câncer de pele a consultar o dermatologista mais rapidamente.?
Depois que os médicos da atenção primária tiram uma foto da condição da pele de um paciente, o aplicativo da Piction mostra imagens de apresentações de pele semelhantes. Piction também ajuda os médicos a diferenciar entre as condições que mais suspeitam para tomar melhores decisões de cuidados para o paciente.
Conover diz que Piction pode reduzir o tempo que os médicos levam para avaliar um caso em cerca de 30%. Também pode ajudar os médicos a encaminhar um paciente a um dermatologista mais rapidamente para casos especiais que não estão confiantes em gerenciar. Mais amplamente, a Conover está focada em ajudar as organizações de saúde a reduzir os custos relacionados a revisitas desnecessárias, prescrições ineficazes e encaminhamentos desnecessários.
Até agora, mais de 50 médicos usaram o produto da Piction, e a empresa estabeleceu parcerias com várias organizações, incluindo uma conhecida organização de defesa que teve dois funcionários diagnosticados com melanoma em estágio avançado recentemente, depois que não puderam consultar um dermatologista imediatamente .
?Muitas pessoas não percebem que é realmente difícil consultar um dermatologista – pode levar de três a seis meses – e com a pandemia nunca foi um momento pior para tentar consultar um dermatologista?, diz Conover.
Chocado em ação
Na época do diagnóstico de melanoma de Conover, ela havia recentemente se formado em engenharia mecânica pela Universidade do Texas em Austin. Mas ela não mergulhou fundo na dermatologia até precisar de um tema de tese para seu mestrado no MIT.
?Foi uma experiência realmente assustadora?, diz Conover sobre seu melanoma. ?Eu me considero muito sortudo porque aprendi no MIT que há um grande número de pessoas com problemas de pele todos os anos, dois terços dessas pessoas vão para a atenção primária para obter ajuda e cerca de metade desses casos são diagnosticados erroneamente porque esses provedores não não tem tanta formação em dermatologia.?
Conover começou a explorar a ideia de iniciar uma empresa para diagnosticar melanoma durante o curso Nuts and Bolts of Founding New Ventures oferecido no período de atividades independentes do MIT em 2015. Ela também passou pelo IDEAS Social Innovation Challenge e pelo MIT $ 100K Entrepreneurship Competition enquanto construía o sistema dela. Após a formatura, ela passou um ano no MIT como Catalyst Fellow no programa MIT linQ, onde trabalhou no laboratório de Martha Gray, J.W. Kieckhefer Professor de Ciências da Saúde e Tecnologia e membro do Instituto de Engenharia e Ciência Médica do MIT (IMES).
Por meio do Venture Mentoring Service do MIT, Conover também passou pelo programa I-Corps, onde continuou a falar com as partes interessadas. Através dessas conversas, ela aprendeu que erupções cutâneas como psoríase, eczema e rosácea são responsáveis pela grande maioria dos problemas de pele vistos por médicos de cuidados primários.
Enquanto isso, enquanto as campanhas de saúde pública se concentram na importância da proteção contra o sol, o conhecimento público sobre condições como as telhas, que afeta até 1% dos americanos a cada ano, está em grande falta.
Embora treinar um modelo de machine learning para reconhecer uma infinidade de condições diversas fosse mais difícil do que treinar um modelo para reconhecer o melanoma, a pequena equipe de Conover decidiu que era o melhor caminho a seguir.
?Decidimos que é melhor pular para fazer o produto completo, mesmo que pareça assustador e enorme: um produto que identifica todas as diferentes erupções cutâneas em várias partes do corpo, tons de pele e faixas etárias?, diz Conover.
O salto exigiu Piction para estabelecer parte de dados
Publicado em 14/07/2022 14h33
Artigo original: