Key points are not available for this paper at this time.
Avanços recentes no campo da inteligência artificial (IA) podem gerar novas percepções sobre as causas potenciais da esclerose múltipla (EM) e fatores que influenciam seu curso, já que o uso de IA abre novas possibilidades em relação à interpretação e uso de grandes volumes de dados, não apenas de uma perspectiva transversal, mas também longitudinal. Para cada paciente com EM, há uma vasta quantidade de dados multimodais sendo acumulados ao longo do tempo. Mas para a aplicação de IA e tecnologias relacionadas, esses dados precisam estar disponíveis em um formato legível por máquina e precisam ser coletados de maneira padronizada e estruturada. Através do uso de dispositivos eletrônicos móveis e da internet, também se tornou possível fornecer serviços de saúde de forma remota e coletar informações sobre o estado de saúde de um paciente fora de check-ups regulares no local. Nesse contexto, argumentamos que o conceito de trajetórias na saúde agora poderia ser aplicado para estruturar a coleta de informações através de múltiplos dispositivos e partes interessadas na esfera virtual, permitindo-nos explorar todo o potencial da tecnologia de IA, por exemplo, construindo gêmeos digitais. Ao digitalizar e usar trajetórias, podemos vincular virtualmente pacientes e seus cuidadores. As partes interessadas poderiam então confiar em trajetórias digitais para orientações baseadas em evidências na sequência de procedimentos e na seleção de opções de terapia, apoiadas por análises avançadas sustentadas por IA, bem como para fins de comunicação e educação. No entanto, até onde sabemos, a modelagem de trajetórias no que diz respeito à gestão e tratamento da EM ainda não foi investigada de forma aprofundada e ainda precisa ser discutida. Neste artigo, apresentamos, portanto, nossas ideias para uma estrutura modular-integrativa para o desenvolvimento de trajetórias digitais para o tratamento da EM.
Wenk et al. (Qui,) estudaram esta questão.