Medicina Interna

Medicine Goes Digital or Is it Already?

Exploring Digital Exceptionalism in Healthcare: Navigating Trust, Efficacy, Equity and Potential Harms

Speech as an Emotional Load Biomarker in Clinical Applications

Abstract Introduction: Healthcare professionals often contend with significant emotional burdens in their work, including the impact of negative emotions, such as stress and anxiety, which can have profound consequences on immediate and long-term healthcare delivery. In this paper a stress estimation algorithm is proposed based on the classification of negative valence emotions in speech recordings. Methods: An end-to-end machine learning pipeline is proposed. Two distinct decision models are considered, VGG-16 and SqueezeNet, while sharing a common constant Q power spectrogram input for acoustic representation. The system is trained and evaluated using the RAVDESS and TESS emotional speech datasets. Results: The system was evaluated for individual emotion classification (multiclass problem) and also for negative and neutral or positive emotion classification (binary problem). The results achieved are comparable to previously reported systems, with the SqueezeNet model offering a significantly smaller footprint, enabling versatile applications. Further exploration of the model's parameter space holds promise for enhanced performance. Conclusion: The proposed system can constitute a feasible approach for the estimation of a low-cost non-invasive biomarker for negative emotions. This allows to raise alerts and develop mitigating actions to the burden of negative emotions, being an additional management tool for healthcare services that allows to maintain quality and maximize availability.

Resumo Introdução: Os profissionais de saúde enfrentam frequentemente cargas emocionais significativas no seu trabalho, incluindo o impacto de emoções negativas, como o stress e a ansiedade, que podem ter graves consequências no desempenho das suas funções de prestação de cuidados de saúde imediatos e também na sua própria saúde a longo prazo. Neste artigo, é proposto um algoritmo de estimativa do stress baseado na classificação de emoções de valência negativa em gravações de fala. Métodos: É proposto um pipeline de aprendizagem automática de ponta a ponta. São considerados cenários de modelos de decisão distintos, o VGG-16 e o SqueezeNet, que partilham uma entrada comum de espetrograma de potência Q constante para representação acústica. Os sistemas são treinados e avaliados utilizando os conjuntos de dados de fala emocional RAVDESS e TESS. Resultados: O sistema foi avaliado para a classificação de um conjunto de emoções (problema multiclasse) e também para a classificação de emoções negativas e neutras, distinguindo-as das positivas (problema binário). Os resultados obtidos são comparáveis aos dos sistemas anteriormente registados, com o modelo SqueezeNet a oferecer uma pegada significativamente mais pequena, permitindo aplicações versáteis. Uma exploração mais aprofundada do espaço de parâmetros do modelo não foi exaustiva e por isso é promissora para a melhoria do desempenho. Conclusão: O sistema proposto pode constituir uma abordagem viável para a estimativa de um biomarcador não-invasivo de baixo custo para emoções negativas. Isto permite ativar alertas e desenvolver ações de mitigação para a presença de emoções negativas, sendo uma ferramenta de gestão adicional para os serviços de saúde que permite manter a qualidade e maximizar a sua disponibilidade.

Diabetes in the Digital World

Abstract Despite constant pharmacological evolution, diabetes is a particular condition whose control is hard and laborious to achieve. Several aspects contribute to this difficulty. Chronic and acute complications of diabetes represent loss in quality of life and have a significant impact on resource consumption and global health costs. Technological developments have contributed considerably to the paradigm shift in the reality of those who work in diabetes and those who live with the disease. The incorporation of digital technology and artificial intelligence in diabetes adds value and has already been implemented in clinical practice. This alliance leads to the existence of professionals who are more aware of the health status of people with diabetes, who become much more capable themselves and self-sufficient to manage their own condition.

Resumo Apesar da constante evolução farmacológica, a diabetes continua a ser uma doença cujo controlo é árduo e difícil de alcançar. Vários aspetos contribuem para esta dificuldade. As complicações crónicas e agudas da diabetes representam perda na qualidade de vida e têm um peso significativo no consumo de recursos e na despesa global em saúde. A evolução tecnológica tem contribuído de forma considerável para a mudança de paradigma na realidade de quem trabalha em diabetes e de quem vive com a doença. A incorporação da tecnologia digital e da inteligência artificial na diabetes vem acrescentar valor e tem já um lugar implementado na prática clínica. Neste artigo revemos alguns desses exemplos. Esta aliança conduz indiscutivelmente para a existência de profissionais mais conscientes do estado de saúde das pessoas com diabetes, que por sua vez se encontram também mais capacitadas e autónomas na gestão da sua doença.

Artificial Intelligence and Ultrasonography

Abstract Artificial intelligence (AI) and its many aliases, including machine learning, deep learning and big data, have invaded modern medicine impacting most aspects of modern practice. One of the most controversial and potentially impactful, is artificial intelligence use in medical imaging. While most commercial and academic attention has focused on higher cost imaging modalities such as magnetic imaging resonance (MRI) and computed tomography (CT), ultrasound has also become the target of AI application developers. Ultrasound presents additional barriers to AI application development and execution, not seen in axial imaging such as MRI and CT. Point-of-care ultrasound (POCUS), with its lack of standardization and plethora of inexperienced users, poses the greatest imaging challenge to AI. However, POCUS is also the key to widespread access to diagnostic and interventional ultrasound at the patient’s bedside throughout the world. This article discusses AI, it utilization in POCUS, current challenges, risks, limitations, needs and future possibilities.

Resumo A inteligência artificial (IA) e os seus muitos pseudónimos, incluindo a aprendizagem automática, a aprendizagem profunda e os grandes volumes de dados, invadiram a medicina moderna, afetando a maioria dos aspetos da prática moderna. Um dos mais controversos e potencialmente impactantes é a utilização da inteligência artificial na imagiologia médica. Embora a maior parte da atenção comercial e académica se tenha centrado em modalidades de imagiologia de custo mais elevado, como a ressonância magnética (RM) e a tomografia computorizada (TC), os ultrassons também se tornaram o alvo dos criadores de aplicações de IA. O ultrassom apresenta barreiras adicionais ao desenvolvimento e execução de aplicações de IA, não observadas na imagiologia axial, como a RM e a TC. A ecografia point-of-care (POCUS), com a sua falta de normalização e a multiplicidade de utilizadores inexperientes, representa o maior desafio de imagiologia para a IA. No entanto, a POCUS também é a chave para o acesso generalizado ao diagnóstico e à ultrassonografia intervencionista à beira do leito do paciente em todo o mundo. Este artigo discute a IA, sua utilização em POCUS, desafios atuais, riscos, limitações, necessidades e possibilidades futuras.

New Paradigms in Digital Health and the Internal Medicine of the Future

The Digital Transition of Healthcare: A Pilot Experience

Abstract The healthcare context is undergoing a significant transformation, facing a series of complex and unprecedented challenges. This transformation is triggered by accessibility constraints to healthcare services, increased expectations from patients and sing financial burdens. Rather than being seen as unsolvable obstacles, these challenges can be perceived as powerful stimuli, encouraging the search for innovative and creative solutions, especially in a context where new digital technologies applicable to healthcare are emerging. In the context of this article, which shares a transformative vision of healthcare provision, we describe a pilot program developed for the Heart Failure ambulatory of the Internal Medicine Department at the Braga Local Health Unit (ULS-Braga). This proposal encompasses not only treatment, but also proactive health promotion, based on an approach that incorporates cutting-edge digital technology. The overall aim is to significantly expand the scope of outpatient services and provide innovative home care, bringing it closer to the specific needs of (healthy and sick) individuals.

Resumo O contexto da prestação de cuidados de saúde está a sofrer uma transformação significativa, enfrentando uma série de desafios complexos e sem precedentes. Esta transformação relaciona-se com preocupações prementes relacionadas com a acessibilidade aos serviços de saúde, a adaptação às expectativas dos doentes em constante evolução e aos crescentes encargos financeiros. Em vez de serem vistos como obstáculos intransponíveis, esses desafios podem ser percebidos como estímulos poderosos, estimulando a procura de soluções inovadoras e criativas, sobretudo num contexto onde existem novas tecnologias digitais com aplicabilidade à prestação de cuidados de saúde. No contexto deste artigo, que partilha uma visão transformadora da prestação de cuidados de saúde, descreve-se a proposta piloto desenvolvida para a consulta de Insufi-ciência Cardíaca do serviço de Medicina Interna, na Unidade Local de Saúde de Braga (ULS-Braga). Esta proposta engloba não só o tratamento, mas também a promoção proativa da saúde, assente numa abordagem que incorpora tecnologia digital de ponta. O objetivo global é expandir significativamente o alcance dos serviços de ambulatório e prestar cuidados domiciliares inovadores, aproximando-os mais das necessidades específicas das pessoas (saudáveis e com doença).

Artificial Intelligence Revolutionizing Scientific Publishing