Claire Swedberg
A Cognosos lançou um sistema de localização em tempo real (RTLS) para hospitais que emprega inteligência artificial (AI) e aprendizado de máquina (ML) para identificar a sala específica na qual uma tag Bluetooth Low Energy (BLE) está localizada. Isso, de acordo com Adrian Jennings, diretor de produtos da empresa, permite a instalação de baixo custo e sem interrupções de um sistema de gerenciamento de ativos sem a necessidade de sensores adicionais em cada quarto de paciente.
A startup de tecnologia de Atlanta fornece dados de localização baseados em IA. Sua plataforma LocationAI serve como um mecanismo de localização de aprendizado de máquina para rastreamento de ativos em hospitais e outras instalações de saúde. A solução inclui dispositivos BLE que transmitem dados para uma rede de autorrecuperação para entender a localização de cada dispositivo no nível da sala e monitora e responde a mudanças ambientais, como novos móveis ou infraestrutura que podem afetar a transmissão.
Além disso, a Cognosos está lançando um recurso que emprega dados do LocationAI para ajudar os hospitais a garantir que os ativos se movam adequadamente pelas salas limpas e que estejam preparados e prontos para uso, de acordo com as necessidades específicas de cada hospital. A solução ProPAR (acrônimo de Proactive Periodic Automated Replenishment), lançada em 11 de abril, inclui um conjunto de recursos e painéis projetados para dar suporte a departamentos centrais de suprimentos e equipes de engenharia biomédica, fornecendo visibilidade e alertas relacionados a contagens de ativos e limites de nível PAR.
Localização baseada em inteligência
A LocationAI adota uma nova abordagem de RTLS para o mercado de saúde, pois depende mais de software e inteligência, em vez de uma infraestrutura de receptores ou beacons, para saber onde cada item marcado está localizado. Seus algoritmos de ML são o que identificam a sala em que os objetos podem ser encontrados. Isso é o que Jennings – que está no negócio de RTLS há várias décadas – chama de uma abordagem completamente nova para a tecnologia RTLS. Ele se juntou à Cognosos em seu estágio inicial de desenvolvimento, há aproximadamente um ano.
Falando da empresa e seu processo de desenvolvimento, Jennings diz: “Quando você é um novato na indústria, você não está sobrecarregado com a abordagem ‘É assim que se faz’.” As funcionalidades de IA e ML da plataforma de software são projetadas para calcular a localização de uma tag da mesma forma que um algoritmo de reconhecimento de imagem pode ser treinado para reconhecer imagens específicas. O LocationAI aprende e infere se um ativo está em uma sala em oposição a outra.
Desafios do RTLS
As soluções RTLS padrão, diz Jennings, têm como objetivo calcular as coordenadas XY e às vezes Z, por meio de uma rede de transmissores em torno de uma instalação, e criar caixas definidas por software para delinear salas dentro dessa rede. Um ponto representando uma tag aparece no software, dentro de uma sala específica, com base nos dados coletados do hardware. “Toda a premissa do RTLS tem sido ‘Vamos descobrir a localização precisa de uma coisa por meio de triangulação e tri-laterização, e então podemos inferir informações úteis disso'”, afirma Jennings.
No entanto, sem dados muito precisos, uma etiqueta perto de uma parede em uma sala pode ser percebida na sala ao lado, ou mesmo no próximo andar. Usar infravermelho ou ultrassom é uma opção para obter dados de localização mais granulares, com um sensor instalado dentro de cada sala. Se uma etiqueta detecta um sinal de sensor, o sistema conhece a sala em que está localizada. Mas isso requer uma grande quantidade de infraestrutura adicional, diz Jennings, e a instalação de sensores em todos os quartos pode ser prejudicial para pacientes e profissionais de saúde. “Isso é um grande problema”, acrescenta. “Você não pode simplesmente interromper o fluxo de trabalho em um hospital movimentado para instalar infraestrutura.”
A Cognosos diz que abordou o problema de uma posição diferente. A empresa havia desenvolvido anteriormente a tecnologia de rastreamento ao ar livre que é usada no setor de logística para rastreamento de veículos e reboques com infraestrutura muito leve. Essa solução, diz Jennings, é fácil de implantar e de custo relativamente baixo. “A questão”, ele lembra, “era: podemos fazer isso em hospitais?”
Com o sistema, um dispositivo beacon montado no hospital transmite seu ID. As tags Cognosos, construídas a partir de chipsets BLE padrão de prateleira, são aplicadas a cada ativo, como uma cama de hospital, uma bomba intravenosa ou uma cadeira de rodas, e recebem a transmissão do beacon. A etiqueta então encaminha os dados para um gateway por meio de uma frequência RFID ativa proprietária. O gateway envia os dados para o servidor, no qual o ML e o AI do sistema calculam os detalhes e, com base nas leituras anteriores, supõem a localização dessa tag BLE.
Para fornecer os dados básicos sobre os quais o aprendizado de máquina opera, os usuários precisam primeiro mover o dispositivo pelas salas para que as informações possam ser capturadas e associadas às salas nas quais as tags estão sinalizando. O software pode assim identificar as características de uma transmissão de cada sala. Isso pode ser realizado por enfermeiros ou pessoal de limpeza à medida que entram e saem dos quartos dos pacientes. “Existem todos os tipos de oportunidades para realmente calibrar o sistema”, diz Jennings.
Prevenindo a deterioração da informação
Segundo a empresa, um número bastante escasso de beacons Bluetooth de baixo custo instalados em um corredor seria suficiente para obter, com alta confiança, dados sobre a sala em que uma tag de transmissão está localizada. Como os beacons são instalados não é importante, diz Jennings. “Na verdade”, afirma ele, “quanto mais aleatoriamente eles forem colocados”, melhor o sistema poderá identificar as características das transmissões de cada sala.
Como o sistema de ML se atualiza constantemente, observa a Cognosos, ele evita a deterioração dos dados de localização que podem ocorrer em soluções RTLS padrão. Se o ambiente mudar, como uma nova peça de mobília sendo adicionada – o que mudaria as transmissões – o sistema pode identificar e aprender os detalhes do ambiente atualizado. “O mais bonito do aprendizado de máquina é que ele nunca para de aprender”, diz Jennings, “então, todos os dias, muitas vezes ao dia, recebemos atualizações e podemos usá-las para ver que algo mudou”.
Os beacons são colocados a cada 30 a 40 pés lineares, ou um a cada 1.000 a 2.000 pés quadrados, para fornecer cobertura total da área. O Cognosos fornece as tags e beacons BLE, juntamente com os gateways. Normalmente, a empresa indica que um ou dois gateways seriam suficientes para cobrir um andar de hospital.
As transmissões de beacons de volta para um gateway são realizadas por meio de uma frequência de RF proprietária, diz Jennings, porque o datalink precisa ser ininterrupto com outras redes sem fio em um hospital típico, além de ter um custo baixo. Uma vez que as informações são transmitidas ao gateway, este as encaminha para um servidor baseado em nuvem, onde ocorrem as funcionalidades de IA e ML. “Fazemos todo o trabalho duro na nuvem”, diz ele.
O sistema inclui o novo recurso ProPar para ajudar os usuários a entender as condições nas salas de suprimentos, com base na localização dos equipamentos, sem precisar fazer login em um painel para pesquisar esses itens. O software rastreia dados sobre a localização do equipamento, bem como quando excede um tempo de permanência pré-determinado em qualquer local, ou vários ativos semelhantes em um local. O software pode então alertar a equipe de gerenciamento de ativos com uma lista de itens que precisam ser coletados de um local e movidos para outro.
“Está tornando a sala limpa inteligente”, diz Jennings. “A sala limpa realmente estende a mão e pede para ser reabastecida quando sabe que seus estoques estão caindo.” A longo prazo, ele prevê que o sistema permitirá que os hospitais reduzam a quantidade de equipamentos redundantes que compram e mantêm disponíveis para redundância.