TEDMED 2009
Eric Dishman: Take health care off the mainframe
Eric Dishman: Tecnologias em favor do sistema de saúde
Filmed:
Readability: 4
439,060 views
No TEDMED, Eric Dishman faz uma dura afirmação: o sistema de saúde dos Estados Unidos é como a informática no final de 1959: grandes e pesados sistemas centrais conectados à hospitais, médicos, enfermarias. Com o aumento da população idosa, Dishman afirma ser necessário criar um sistema de assistência médica pessoal, integrada e em domicílio.
Eric Dishman - Social scientist
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Eric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us. Full bio
Double-click the English transcript below to play the video.
00:15
If you think about the phone --
0
0
2000
Se pensarmos no telefone...
00:17
and Intel has tested
1
2000
2000
e muito do que vou mostrar
00:19
a lot of the things I'm going to show you,
2
4000
2000
foi usado em testes feitos pela Intel
00:21
over the last 10 years,
3
6000
2000
nos últimos 10 anos
00:23
in about 600 elderly households --
4
8000
2000
em 600 famílias de idosos --
00:25
300 in Ireland, and 300 in Portland --
5
10000
3000
300 na Irlanda e 300 em Portland --
00:28
trying to understand: How do we measure
6
13000
2000
a fim de entender como medir
00:30
and monitor behavior
7
15000
2000
e monitorar o comportamento
00:32
in a medically meaningful way?
8
17000
2000
de uma forma clinicamente significativa.
00:34
And if you think about the phone, right,
9
19000
2000
O telefone, por exemplo,
00:36
it's something that we can use for some incredible ways
10
21000
2000
é algo que podemos usar de formas inacreditáveis
00:38
to help people actually take the right medication at the right time.
11
23000
3000
para ajudar as pessoas a tomarem a medicação certa na hora certa.
00:41
We're testing these kinds of simple
12
26000
2000
Estamos testando um tipo de tecnologia
00:43
sensor-network technologies in the home
13
28000
2000
de rede de sensores espalhados pela casa
00:45
so that any phone that a senior is already comfortable with
14
30000
2000
para que qualquer telefone com o qual um idoso esteja acostumado
00:47
can help them deal with their medications.
15
32000
2000
possa ajudá-lo a controlar sua medicação.
00:49
And a lot of what they do is they pick up the phone,
16
34000
2000
E tudo o que eles precisam fazer é pegar o telefone
00:51
and it's our system whispering to them which pill they need to take,
17
36000
3000
e o nosso sistema vai sussurrar qual pílula tomar,
00:54
and they fake like they're having a conversation with a friend.
18
39000
3000
como se estivessem conversando com um amigo.
00:57
And they're not embarrassed by a meds caddy that's ugly,
19
42000
2000
Sem o constragimento de um carrinho de medicamentos
00:59
that sits on their kitchen table and says,
20
44000
2000
que guardam na cozinha e que diz:
01:01
"I'm old. I'm frail."
21
46000
2000
"Sou velho. Estou doente."
01:03
It's surreptitious technology
22
48000
2000
É uma tecnologia muito discreta
01:05
that's helping them do a simple task
23
50000
2000
que os ajuda a realizar a simples tarefa
01:07
of taking the right pill at the right time.
24
52000
2000
de tomar o comprimido certo na hora certa.
01:09
Now, we also do some pretty amazing things with these phones.
25
54000
3000
Bem, também podemos fazer coisas incríveis com esses telefones.
01:12
Because that moment when you answer the phone
26
57000
3000
Cada vez que o telefone é tirado do gancho
01:15
is a cognitive test every time that you do it.
27
60000
3000
uma prova cognitiva é produzida.
01:18
Think about it, all right? I'm going to answer the phone three different times.
28
63000
3000
Vejamos. Vou atender o telefone de três formas distintas.
01:21
"Hello? Hey."
29
66000
2000
"Alô? Oi!"
01:23
All right? That's the first time.
30
68000
3000
Certo? Essa é a primeira vez.
01:26
"Hello? Uh, hey."
31
71000
4000
"Alô? É... oi!"
01:30
"Hello? Uh, who?
32
75000
4000
"Alô? Hum... Quem?
01:34
Oh, hey."
33
79000
3000
Ah... oi!"
01:37
All right? Very big differences
34
82000
3000
São diferenças muito grandes
01:40
between the way I answered the phone the three times.
35
85000
3000
na forma como atendi o telefone nas três vezes.
01:43
And as we monitor phone usage
36
88000
2000
E conforme monitoramos o uso do telefone
01:45
by seniors over a long period of time,
37
90000
3000
por idosos durante um longo período,
01:48
down to the tenths of a microsecond,
38
93000
2000
em questão de microsegundo,
01:50
that recognition moment
39
95000
2000
que é o momento de reconhecimento
01:52
of whether they can figure out that person on the other end
40
97000
2000
em que eles vão checar se quem está do outro lado
01:54
is a friend and we start talking to them immediately,
41
99000
2000
é um amigo e assim poderem falar com ele na hora,
01:56
or they do a lot of what's called trouble talk,
42
101000
2000
ou se precisam questionar o interlocutor
01:58
where they're like, "Wait, who is this? Oh." Right?
43
103000
3000
usando frases como: "Mas quem está falando? Ah..." Entendem?
02:01
Waiting for that recognition moment
44
106000
2000
A espera pelo momento do reconhecimento
02:03
may be the best early indicator of the onset of dementia
45
108000
2000
pode ser o melhor indicador prematuro da aparição de um problema
02:05
than anything that shows up clinically today.
46
110000
2000
do que qualquer exame médico possa comprovar.
02:07
We call these behavioral markers.
47
112000
2000
Chamamos isso de marcadores comportamentais.
02:09
There's lots of others. Is the person going to the phone
48
114000
2000
Existem muitos outros. Quando o telefone toca...
02:11
as quickly, when it rings, as they used to?
49
116000
3000
essa pessoa o atende tão rápido como antes?
02:14
Is it a hearing problem or is it a physicality problem?
50
119000
3000
É um problema auditivo ou físico?
02:17
Has their voice gotten more quiet? We're doing a lot of work with people
51
122000
2000
Sua voz ficou mais fraca? Temos trabalhado muito com pessoas
02:19
with Alzheimer's and particularly with Parkinson's,
52
124000
3000
com mal de Alzheimer e principalmente com mal de Parkinson,
02:22
where that quiet voice that sometimes shows up with Parkinson's patients
53
127000
3000
em que aquela voz mais fraca que o normal nos pacientes com Parkinson
02:25
may be the best early indicator
54
130000
3000
pode ser o melhor indicador prematuro
02:28
of Parkinson's five to 10 years before it shows up clinically.
55
133000
3000
5 a 10 anos antes de ser diagnosticado clinicamente.
02:31
But those subtle changes in your voice over a long period of time
56
136000
3000
Mas essas mudanças repentinas na voz depois de um longo período
02:34
are hard for you or your spouse to notice until it becomes so extreme
57
139000
3000
são difíceis para você ou sua esposa perceberem até que
02:37
and your voice has become so quiet.
58
142000
2000
sua voz fica comprometida. Por isso, esses sensores
02:39
So, sensors are looking at that kind of voice.
59
144000
2000
estão atentos a esse tipo de voz.
02:41
When you pick up the phone,
60
146000
2000
Quando você atende o telefone
02:43
how much tremor are you having,
61
148000
2000
sua mão treme muito?
02:45
and what is that like, and what is that trend like over a period of time?
62
150000
3000
E o que acontece depois de um tempo?
02:48
Are you having more trouble dialing the phone than you used to?
63
153000
2000
Você tem mais dificuldade de discar o telefone do que antes?
02:50
Is it a dexterity problem? Is it the onset of arthritis?
64
155000
3000
É um problema motor? Artrite?
02:53
Are you using the phone? Are you socializing less than you used to?
65
158000
4000
Você tem usado o telefone? Está menos sociável do que antes?
02:57
And looking at that pattern. And what does that decline in social health
66
162000
3000
Seguindo essa premissa, o que esse declínio na saúde social
03:00
mean, as a kind of a vital sign of the future?
67
165000
3000
significa como um indicador da saúde no futuro?
03:03
And then wow, what a radical idea,
68
168000
3000
E então, nossa! Que ideia genial,
03:06
we -- except in the United States --
69
171000
2000
poder, menos nos Estados Unidos,
03:08
might be able to use this newfangled technology
70
173000
3000
utilizar essa nova tecnologia
03:11
to actually interact with a nurse or a doctor on the other end of the line.
71
176000
3000
para poder interagir com uma enfermeira ou um médico no outro lado da linha.
03:14
Wow, what a great day that will be
72
179000
2000
Será maravilhoso
03:16
once we're allowed to actually do those kinds of things.
73
181000
3000
quando pudermos fazer esse tipo de coisa!
03:19
So, these are what I would call behavioral markers.
74
184000
4000
Bem, isso é o que chamo marcadores comportamentais.
03:23
And it's the whole field that we've been trying to work on
75
188000
3000
É justamente isso que estamos tentando fazer
03:26
for the last 10 years at Intel.
76
191000
2000
na Intel nos últimos 10 anos.
03:28
How do you put simple disruptive technologies,
77
193000
2000
Como colocar simples tecnologias disruptivas
03:30
and the first of five phrases that I'm going to talk about in this talk?
78
195000
2000
na primeira das cinco frases que vou falar nessa palestra?
03:32
Behavioral markers matter.
79
197000
2000
Os marcadores comportamentais são importantes.
03:34
How do we change behavior?
80
199000
2000
Como mudamos o comportamento?
03:36
How do we measure changes in behavior
81
201000
2000
Como medimos mudanças no comportamento
03:38
in a meaningful way that's going to help us with
82
203000
2000
de forma significativa que nos ajude a
03:40
prevention of disease, early onset of disease,
83
205000
2000
previnir doenças, identificá-las precocemente
03:42
and tracking the progression of disease over a long period of time?
84
207000
3000
e acompanhar a progressão de uma doença por um longo período?
03:45
Now, why would Intel let me
85
210000
3000
Agora, por que a Intel me deixaria
03:48
spend a lot of time and money, over the last 10 years,
86
213000
3000
gastar tempo e dinheiro, nesses 10 anos,
03:51
trying to understand the needs of seniors
87
216000
2000
tentando entender as necessidades dos idosos
03:53
and start thinking about these kinds of behavioral markers?
88
218000
2000
e começar a estudar esses tipos de marcadores comportamentais?
03:55
This is some of the field work that we've done.
89
220000
3000
Esse é um pouco do trabalho que temos feito.
03:58
We have now lived with 1,000 elderly households
90
223000
3000
Temos vivido com 1000 famílias de idosos
04:01
in 20 countries over the last 10 years.
91
226000
2000
em 20 países nos últimos 10 anos.
04:03
We study people in Rochester, New York.
92
228000
2000
Estudamos pessoas em Rochester, Nova Iorque.
04:05
We go live with them in the winter
93
230000
2000
Moramos com elas no inverno
04:07
because what they do in the winter,
94
232000
2000
devido ao que fazem no inverno,
04:09
and their access to healthcare, and how much they socialize,
95
234000
2000
o acesso à assistência médica e como muitas delas se socializam
04:11
is very different than in the summer.
96
236000
2000
é muito diferente de como fazem no verão.
04:13
If they have a hip fracture we go with them
97
238000
2000
Se elas têm uma fratura no quadril, nós as acompanhamos
04:15
and we study their entire discharge experience.
98
240000
2000
e estudamos a experiência médica do início ao fim.
04:17
If they have a family member who is a key part of their care network,
99
242000
2000
Se tiverem um membro da família que é uma peça-chave nos cuidados delas,
04:19
we fly and study them as well.
100
244000
2000
nos deslocamos e o estudamos também.
04:21
So, we study the holistic health experience
101
246000
3000
Dessa forma, estudamos a experiência médica
04:24
of 1,000 seniors over the last 10 years
102
249000
2000
de 1000 idosos do início ao fim, nos últimos 10 anos
04:26
in 20 different countries.
103
251000
2000
em 20 países diferentes.
04:28
Why is Intel willing to fund that?
104
253000
3000
Por que a Intel estaria interessada em investir nisso?
04:31
It's because of the second slogan that I want to talk about.
105
256000
2000
Devido ao segundo slogan do qual quero falar.
04:33
Ten years ago, when I started trying to convince Intel
106
258000
2000
Há 10 anos, quando comecei a tentar convencer a Intel
04:35
to let me go start looking at disruptive technologies
107
260000
2000
a me deixar investigar tecnologias disruptivas
04:37
that could help with independent living,
108
262000
2000
que pudessem ajudar a ter uma vida independente,
04:39
this is what I called it: "Y2K + 10."
109
264000
3000
eu batizei o projeto como: "Ano 2000 + 10."
04:42
You know, back in 2000,
110
267000
2000
Nos anos 2000
04:44
we were all so obsessed with paying attention
111
269000
2000
estávamos tão obcecados prestando atenção
04:46
to the aging of our computers,
112
271000
2000
no envelhecimento dos nossos computadores
04:48
and whether or not they were going to survive
113
273000
2000
e se eles sobreviveriam ou não
04:50
the tick of the clock from 1999 to 2000,
114
275000
2000
ao famoso Bug do Milênio
04:52
that we missed a moment that only demographers were paying attention to.
115
277000
5000
que nos esquecemos de algo que só os demógrafos estavam prestando atenção.
04:57
It was right around New Years.
116
282000
2000
Era época de Ano Novo.
04:59
And that switchover,
117
284000
2000
E a virada de ano aconteceria
05:01
when we had the larger number of older people on the planet,
118
286000
3000
quando pela primeira vez na história o número de idosos
05:04
for the first time than younger people.
119
289000
2000
era maior que o número de jovens.
05:06
For the first time in human history -- and barring aliens landing
120
291000
2000
Pela primeira vez na história, a não ser por visitas alienígenas
05:08
or some major other pandemic,
121
293000
2000
ou grandes pandemias,
05:10
that's the expectation from demographers, going forward.
122
295000
3000
essa é a expectativa dos demógrafos daqui para frente.
05:13
And 10 years ago it seemed like I had a lot of time
123
298000
2000
10 anos atrás parecia que eu tinha muito tempo
05:15
to convince Intel to work on this. Right?
124
300000
2000
para convencer a Intel disso, não é?
05:17
Y2K + 10 was coming,
125
302000
2000
"Ano 2000 + 10" estava chegando
05:19
the baby boomers starting to retire.
126
304000
3000
e a geração pós-guerra começando a se aposentar.
05:22
Well folks, it's like we know these demographics here.
127
307000
4000
Bem amigos, é como se conhecêssemos esses dados demográficos.
05:26
This is a map of the entire world.
128
311000
2000
Aqui está o mapa-múndi.
05:28
It's like the lights are on,
129
313000
2000
É como se a luz estivesse acesa,
05:30
but nobody's home on this demographic
130
315000
2000
mas ninguém estivesse em casa nesse problema
05:32
Y2K + 10 problem. Right?
131
317000
2000
demográfico de "Ano 2000 + 10". Certo?
05:34
I mean we sort of get it here, but we don't get it here,
132
319000
4000
Quero dizer que temos algo aqui mas não aqui.
05:38
and we're not doing anything about it.
133
323000
2000
E não fazemos nada a respeito.
05:40
The health reform bill is largely ignoring
134
325000
2000
A lei de reforma da saúde ignora a realidade
05:42
the realities of the age wave that's coming,
135
327000
2000
dos grupos de idosos que tem aumentado
05:44
and the implications for what we need to do to change
136
329000
2000
e as implicações do que precisamos fazer para mudar
05:46
not only how we pay for care,
137
331000
3000
não apenas como pagamos pela saúde,
05:49
but deliver care in some radically different ways.
138
334000
3000
mas também como oferecer cuidados de maneiras totalmente diferentes.
05:52
And in fact, it's upon us.
139
337000
2000
E com certeza é nosso dever.
05:54
I mean you probably saw these headlines. This is Catherine Casey
140
339000
3000
Você deve ter visto essas manchetes. Essa é Catherine Casey:
05:57
who is the first boomer to actually get Social Security.
141
342000
3000
a primeira "baby boomer" a se aposentar.
06:00
That actually occurred this year. She took early retirement.
142
345000
2000
Na verdade aconteceu nesse ano. Ela se aposentou precocemente.
06:02
She was born one second after midnight in 1946.
143
347000
4000
Nascida um segundo depois da meia-noite de 1946.
06:06
A retired school teacher,
144
351000
2000
Uma professora aposentada.
06:08
there she is with a Social Security administrator.
145
353000
2000
Aqui está ela com o administrador da Previdência Social.
06:10
The first boomer actually, we didn't even wait till 2011, next year.
146
355000
3000
A primeira "boomer" sequer esperou até 2011, o ano que vem.
06:13
We're already starting to see early retirement occur this year.
147
358000
3000
Nós já começamos a ver a aposentadoria precoce nesse ano.
06:16
All right, so it's here. This Y2K + 10 problem is at our door.
148
361000
3000
Bem, aqui está. O problema "Ano 2000 + 10" bate à nossa porta.
06:19
This is 50 tsunamis scheduled on the calendar,
149
364000
5000
São 50 tsunamis agendados no calendário.
06:24
but somehow we can't sort of marshal our government
150
369000
3000
Mas parece que não podemos alertar o governo
06:27
and innovative forces to sort of get out in front of it
151
372000
2000
e as forças inovadoras para que façam
06:29
and do something about it. We'll wait until
152
374000
2000
algo a respeito. Vamos esperar até
06:31
it's more of a catastrophe, and react,
153
376000
2000
que haja mais uma catástofre em vez de
06:33
as opposed to prepare for it.
154
378000
2000
nos prepararmos para isso.
06:35
So, one of the reasons it's so
155
380000
2000
Por isso, um dos motivos de
06:37
challenging to prepare for this Y2K problem
156
382000
2000
tamanho desafio em se preparar para o problema "Ano 2000"
06:39
is, I want to argue, we have what I would call
157
384000
2000
é que temos o que eu chamaria
06:41
mainframe poisoning.
158
386000
2000
"envenamento do sistema central".
06:43
Andy Grove, about six or seven years ago,
159
388000
3000
Andy Grove nem deve se lembrar, mas
06:46
he doesn't even know or remember this, in a Fortune Magazine article
160
391000
2000
há uns 6 ou 7 anos ele usou em um artigo da
06:48
he used the phrase "mainframe healthcare,"
161
393000
3000
Fortune Magazine o termo "sistema central de assistência médica",
06:51
and I've been extending and expanding this.
162
396000
2000
e eu tenho expandido esse conceito desde então.
06:53
He saw it written down somewhere. He's like, "Eric that's a really cool concept."
163
398000
3000
Ele leu isso em algum lugar e me disse: "Eric esse é um conceito muito bom".
06:56
I was like, "Actually it was your idea. You said it in a Fortune Magazine article.
164
401000
2000
E eu o lembrei: "Na verdade, a ideia foi sua.
06:58
I just extended it."
165
403000
2000
Você disse isso na Fortune. Eu só ampliei."
07:00
You know, this is the mainframe.
166
405000
2000
Esse é o sistema central.
07:02
This mentality of traveling to
167
407000
3000
Essa mentalidade de sistemas de saúde
07:05
and timesharing large, expensive healthcare systems
168
410000
3000
grandes e caros
07:08
actually began in 1787.
169
413000
2000
na verdade começou em 1787.
07:10
This is the first general hospital in Vienna.
170
415000
3000
Esse é o primeiro Hospital Geral de Viena.
07:13
And actually the second general hospital in Vienna,
171
418000
2000
E foi no segundo Hospital Geral de Viena,
07:15
in about 1850, was where we started to build out
172
420000
3000
por volta de 1850, onde começou-se a construir
07:18
an entire curriculum for teaching med students specialties.
173
423000
4000
um programa de estudos baseado em especialidades.
07:22
And it's a place in which we started developing
174
427000
2000
Foi onde começou-se a desenvolver
07:24
architecture that literally divided the body,
175
429000
2000
a arquitetura que literalmente dividiu o corpo,
07:26
and divided care into departments and compartments.
176
431000
3000
dividindo a saúde em departamentos e especialidades.
07:29
And it was reflected in our architecture,
177
434000
2000
E isso refletiu na nossa arquitetura.
07:31
it was reflected in the way that we taught students,
178
436000
2000
Refletiu no modo como ensinávamos os estudantes.
07:33
and this mainframe mentality persists today.
179
438000
3000
E essa mentalidade de sistema central ainda existe.
07:36
Now, I'm not anti-hospital.
180
441000
3000
Eu não sou do tipo anti-hospital.
07:39
With my own healthcare problems, I've taken drug therapies,
181
444000
2000
Com meus problemas de saúde eu me submeti a terapias contra drogas,
07:41
I've traveled to this hospital and others, many, many times.
182
446000
3000
e estive nesses hospitais várias vezes.
07:44
But we worship the high hospital on a hill. Right?
183
449000
4000
Mas colocamos o Hospital Geral num altar, não é?
07:48
And this is mainframe healthcare.
184
453000
2000
E esse é o sistema médico central.
07:50
And just as 30 years ago
185
455000
2000
Há 30 anos não podíamos
07:52
we couldn't conceive that we would have the power
186
457000
3000
imaginar que poderíamos ter um computador
07:55
of a mainframe computer that took up a room this size
187
460000
3000
do tamanho de uma sala em nossas
07:58
in our purses and on our belts,
188
463000
2000
bolsas e cintos
08:00
that we're carrying around in our cell phone today,
189
465000
2000
como temos hoje em dia.
08:02
and suddenly, computing,
190
467000
2000
E de repente, o computador,
08:04
that used to be an expert driven system,
191
469000
2000
que era restrito aos experts,
08:06
it was a personal system that we all owned as part of our daily lives --
192
471000
3000
se tornou um sistema pessoal que usamos diariamente.
08:09
that shift from mainframe to personal computing
193
474000
3000
Essa mudança do sistema central ao PC
08:12
is what we have to do for healthcare.
194
477000
2000
é o que temos que fazer no sistema de saúde.
08:14
We have to shift from this mainframe mentality of healthcare
195
479000
3000
Temos que mudar essa mentalidade de centralizar o sistema de saúde
08:17
to a personal model of healthcare.
196
482000
2000
fazendo um modelo pessoal.
08:19
We are obsessed with this way of thinking.
197
484000
3000
Estamos obcecados com esse pensamento.
08:22
When Intel does surveys all around the world and we say,
198
487000
2000
Quando a Intel realiza pesquisas pelo mundo dizemos:
08:24
"Quick response: healthcare."
199
489000
2000
"Pense rápido: assistência médica."
08:26
The first word that comes up is "doctor."
200
491000
2000
A primeira palavra que vem é médico.
08:28
The second that comes up is "hospital." And the third is "illness" or "sickness." Right?
201
493000
3000
A segunda é hospital. E a terceira é doença. Não é?
08:31
We are wired, in our imagination, to think about healthcare
202
496000
4000
Somos predispostos a pensar na assistência médica
08:35
and healthcare innovation as something
203
500000
2000
e na inovação nessa assistência como algo
08:37
that goes into that place.
204
502000
2000
que entra nesse conceito.
08:39
Our entire health reform discussion right now,
205
504000
2000
A discussão em torno da reforma na saúde,
08:41
health I.T., when we talk with policy makers,
206
506000
3000
informatização da saúde, quando falamos com os políticos
08:44
equals "How are we going to get doctors using
207
509000
2000
significa: como vamos fazer
08:46
electronic medical records in the mainframe?"
208
511000
2000
com que os médicos usem registros eletrônicos?
08:48
We're not thinking about
209
513000
2000
Não estamos pensando sobre
08:50
how do we shift from the mainframe to the home.
210
515000
2000
como mudar do sistema central para a residência.
08:52
And the problem with this is
211
517000
2000
E o problema está no
08:54
the way we conceive healthcare. Right?
212
519000
2000
nosso conceito de assistência médica, não é?
08:56
This is a very reactive, crisis-driven system.
213
521000
2000
É um sistema muito reativo e influenciado pelas crises.
08:58
We're doing 15-minute exams with patients.
214
523000
2000
Estamos fazendo exames de 15 minutos nos pacientes.
09:00
It's population-based.
215
525000
2000
É baseado na população.
09:02
We collect a bunch of biological information in this artificial setting,
216
527000
3000
Coletamos várias informações biológicas num ambiente artificial.
09:05
and we fix them up, like Humpty-Dumpty all over again,
217
530000
2000
Então os curamos com pó de pirlimpimpim,
09:07
and send them home,
218
532000
2000
e os mandamos para casa, esperando
09:09
and hope -- we might hand them a brochure, maybe an interactive website --
219
534000
3000
que com um folheto ou website nas mãos
09:12
that they do as asked and don't come back into the mainframe.
220
537000
4000
eles sigam nossas orientações e não voltem ao sistema central.
09:16
And the problem is we can't afford it today, folks.
221
541000
3000
O problema é que não podemos arcar com isso hoje, pessoal.
09:19
We can't afford mainframe healthcare today to include the uninsured.
222
544000
4000
Não podemos arcar de forma que o sistema de saúde de hoje inclua não segurados.
09:23
And now we want to do a double-double
223
548000
2000
E agora queremos fazer o mesmo
09:25
of the age wave coming through?
224
550000
2000
com o grupo de idosos que está chegando?
09:27
Business as usual in healthcare is broken and we've got to do something different.
225
552000
3000
As coisas na assistência médica não mudaram; precisamos mudar isso.
09:30
We've got to focus on the home.
226
555000
2000
Precisamos focar nas casas.
09:32
We've got to focus on a personal healthcare paradigm
227
557000
2000
Focar no paradigma de assistência médica pessoal
09:34
that moves care to the home. How do we be more proactive,
228
559000
2000
que leva os cuidados em casa. Como ser mais pró-ativo e
09:36
prevention-driven?
229
561000
2000
e preventivo?
09:38
How do we collect vital signs and other kinds of information 24 by 7?
230
563000
4000
Como reconhecer sinais vitais e outras informações 24 horas por dia?
09:42
How do we get a personal baseline about what's going to work for you?
231
567000
3000
Como identificar o que vai funcionar para você?
09:45
How do we collect not just biological data
232
570000
2000
Como coletar dados não apenas biológicos
09:47
but behavioral data, psychological data,
233
572000
2000
mas comportamentais, psicológicos,
09:49
relational data, in and on and around the home?
234
574000
3000
relacionais, dentro, fora e em volta de casa?
09:52
And how do we drive compliance to be a customized care plan
235
577000
3000
E como levar um plano de cuidado personalizado
09:55
that uses all this great technology that's around us
236
580000
2000
que usa toda a alta tecnologia à disposição
09:57
to change our behavior?
237
582000
2000
para mudar nosso comportamento?
09:59
That's what we need to do for our personal health model.
238
584000
3000
É o que precisamos fazer para nosso modelo de saúde pessoal.
10:02
I want to give you a couple of examples. This is Mimi
239
587000
2000
Quero dar alguns exemplos. Essa é Mimi,
10:04
from one of our studies --
240
589000
2000
de um de nossos estudos.
10:06
in her 90s, had to move out of her home
241
591000
2000
Aos 90 anos, precisou se mudar de casa
10:08
because her family was worried about falls.
242
593000
2000
porque sua família estava preocupada com quedas.
10:10
Raise your hand if you had a serious fall
243
595000
2000
Levante sua mão se você ou um ente querido
10:12
in your household, or any of your loved ones,
244
597000
2000
ou seus pais já tiveram uma queda
10:14
your parents or so forth. Right?
245
599000
2000
séria em casa.
10:16
Classic. Hip fracture often leads to institutionalization of a senior.
246
601000
4000
É clássico. Fraturas no quadril leva um idoso para o hospital.
10:20
This is what was happening to Mimi; the family was worried about it,
247
605000
2000
É o que acontecia à Mimi. E a família estava tão preocupada com isso,
10:22
moved her out of her own home into an assisted living facility.
248
607000
3000
que a levaram para um centro de apoio à pessoas com necessidades especiais.
10:25
She tripped over her oxygen tank.
249
610000
3000
Ela tropeçou no seu tanque de oxigênio.
10:28
Many people in this generation won't press the button,
250
613000
2000
Muitos dessa geração não apertariam o botão,
10:30
even if they have an alert call system, because they don't want to bother anybody,
251
615000
2000
mesmo se tivessem um sistema de alerta por telefone, porque não querem incomodar,
10:32
even though they've been paying 30 dollars a month.
252
617000
2000
ainda que pagassem 30 dólares por mês por esse serviço.
10:34
Boomers will press the button. Trust me.
253
619000
2000
Os "baby boomers" apertariam o botão. Com certeza.
10:36
They're going to be pressing that button non-stop. Right?
254
621000
4000
Apertariam o botão sem parar, não é mesmo?
10:40
Mimi broke her pelvis, lay all night, all morning,
255
625000
4000
Mimi fraturou a pelvis e ficou caída durante
10:44
finally somebody came in and found her,
256
629000
2000
todo o dia e a noite até que a encontraram
10:46
sent her to the hospital.
257
631000
2000
e a levaram para o hospital.
10:48
They fixed her back up. She was never going to be able to move back
258
633000
2000
Eles trataram suas costas mas ela não podia voltar
10:50
into the assisted living. They put her into the nursing home unit.
259
635000
2000
ao centro de ajuda, por isso a colocaram num asilo.
10:52
First night in the nursing home unit where she had been
260
637000
2000
Na primeira noite no asilo, dentro do
10:54
in the same assisted living facility, moved her from one bed to another,
261
639000
3000
mesmo centro de apoio, a trocaram de cama;
10:57
kind of threw her, rebroke her pelvis,
262
642000
2000
praticamente a jogaram, fraturando sua pelvis mais uma vez.
10:59
sent her back to the hospital that she had just come from,
263
644000
3000
Então a mandaram de volta ao hospital de onde tinha vindo.
11:02
no one read the chart, put her on Tylenol,
264
647000
2000
Ninguém leu a prancheta. Aplicaram Tylenol,
11:04
which she is allergic to, broke out, got bedsores,
265
649000
2000
ao qual ela é alérgica. Ela começou a passar mal,
11:06
basically, had heart problems, and died
266
651000
3000
teve problemas de coração e morreu em decorrência
11:09
from the fall and the complications and the errors that were there.
267
654000
3000
das quedas, complicações e dos erros.
11:12
Now, the most frightening thing about this is
268
657000
4000
Agora, a coisa mais assustadora é
11:16
this is my wife's grandmother.
269
661000
3000
que era a avó da minha esposa.
11:19
Now, I'm Eric Dishman. I speak English,
270
664000
2000
Vejamos: eu sou Eric Dishman. Falo inglês.
11:21
I work for Intel, I make a good salary,
271
666000
2000
Trabalho para a Intel. Tenho um bom salário.
11:23
I'm smart about falls and fall-related injuries --
272
668000
3000
Sei o que fazer em casos de quedas.
11:26
it's an area of research that I work on.
273
671000
2000
É uma área de pesquisa na qual trabalho.
11:28
I have access to senators and CEOs.
274
673000
3000
Tenho acesso a senadores e executivos.
11:31
I can't stop this from happening.
275
676000
2000
E não posso evitar que isso aconteça.
11:33
What happens if you don't have money, you don't speak English
276
678000
2000
O que acontece se você não tem dinheiro, não fala inglês,
11:35
or don't have the kind of access
277
680000
2000
ou não tem como lidar com
11:37
to deal with these kinds of problems that inevitably occur?
278
682000
3000
problemas recorrentes como esses?
11:40
How do we actually prevent the vast majority of falls
279
685000
3000
Como podemos evitar que essas
11:43
from ever occurring in the first place?
280
688000
2000
quedas aconteçam?
11:45
Let me give you a quick example of work that we're doing
281
690000
2000
Vou dar um exemplo rápido do trabalho que estou fazendo
11:47
to try to do exactly that.
282
692000
2000
em relação a isso.
11:49
I've been wearing a little technology that we call Shimmer.
283
694000
3000
Tenho usado uma tecnologia chamada Shimmer (luz difusa).
11:52
It's a research platform.
284
697000
2000
É uma plataforma de pesquisa.
11:54
It has accelerometry. You can plug in a three-lead ECG.
285
699000
3000
Tem acelerômetro. Você pode conectar um eletrocardiograma
11:57
There is all kinds of sort of plug-and-play
286
702000
2000
de 3 derivações. Tem todo tipo de entrada e saída
11:59
kind of Legos that you can do to capture, in the wild,
287
704000
2000
como se fossem Legos que podem ser montados para captarem
12:01
in the real world,
288
706000
2000
situações no mundo real
12:03
things like tremor, gait,
289
708000
2000
como tremores, passos,
12:05
stride length and those kinds of things.
290
710000
2000
comprimento dos passos, coisas assim.
12:07
The problem is, our understanding of falls today,
291
712000
4000
O problema é a nossa concepção de quedas
12:11
like Mimi, is get a survey in the mail three months after you fell,
292
716000
3000
como a de Mimi. Três meses depois da queda, nos chegou uma carta
12:14
from the State, saying, "What were you doing when you fell?"
293
719000
3000
do Estado, dizendo: "O que você estava fazendo quando caiu?"
12:17
That's sort of the state of the art.
294
722000
2000
Isso é o que há de mais avançado.
12:19
But with something like Shimmer, or we have something called the Magic Carpet,
295
724000
3000
Mas com algo como Shimmer, ou como o "Magic Carpet" (tapete mágico)
12:22
embedded sensors in carpet, or camera-based systems
296
727000
2000
com sensores incorporados, ou sistemas de câmeras
12:24
that we borrowed from sports medicine,
297
729000
2000
como os usados na medicina esportiva,
12:26
we're starting for the first time in those 600 elderly households
298
731000
3000
pela primeira vez nessas 600 famílias de idosos, começamos
12:29
to collect actual kinematic motion data
299
734000
3000
a coletar dados reais de movimentos cinemáticos
12:32
to understand: What are the subtle changes that are occurring
300
737000
4000
para entender quais as mudanças mínimas que ocorrem
12:36
that can show us that mom has become risk at falls?
301
741000
3000
que possam nos mostrar se "mamãe" corre risco de queda.
12:39
And most often we can do two interventions,
302
744000
2000
Na maioria das vezes podemos fazer duas intervenções:
12:41
fix the meds mix.
303
746000
2000
trocar de medicamento...
12:43
I'm a qualitative researcher, but when I look at these data streams coming in
304
748000
3000
Sou um pesquisador qualitativo, mas quando vejo os dados
12:46
from these homes, I can look at the data and tell you the day
305
751000
3000
vindos dessas casas, eu os vejo e posso te dizer
12:49
that some doctor prescribed them something that nobody else
306
754000
2000
se um médico lhes receitou algo que ninguém mais
12:51
knew that they were on, because we see the changes
307
756000
2000
sabia que eles estavam tomando. Percebemos pelas mudanças
12:53
in their patterns in the household. Right?
308
758000
3000
nos padrões domésticos. Entendem?
12:56
These discoveries of behavioral markers,
309
761000
3000
Essas descobertas dos marcadores
12:59
and behavioral changes
310
764000
2000
e mudanças comportamentais
13:01
are game changing, and like the discovery of the microscope
311
766000
2000
mudam tudo, assim como a descoberta do microscópio
13:03
because of our collecting data streams that we've actually never done before.
312
768000
3000
graças ao nosso fluxo de dados, coisa que nunca havíamos feito antes.
13:06
This is an example in our TRIL Clinic in Ireland
313
771000
2000
Esse é um exemplo da Clínica Trill, na Irlanda
13:08
of -- actually what you're seeing is
314
773000
2000
do... na verdade o que vocês estão vendo é...
13:10
she's looking at data,
315
775000
2000
ela está olhando os dados
13:12
in this picture, from the Magic Carpet.
316
777000
2000
recebidos do tapete mágico.
13:14
So, we have a little carpet that you can look at your amount of postural sway,
317
779000
3000
Então temos um pequeno tapete que revela o movimento postural
13:17
and look at the changes in your postural sway over many months.
318
782000
3000
e as mudanças no movimento postural ao longo de vários meses.
13:20
Here's what some of this data might look like.
319
785000
2000
Aqui temos uma amostra de como os dados se apresentam.
13:22
This is actually sensor firings.
320
787000
2000
Esses são os sensores ativados.
13:24
These are two different subjects in our study.
321
789000
2000
São dois pontos diferentes em nosso estudo.
13:26
It's about a year's worth of data.
322
791000
2000
Referem-se a dados de mais ou menos um ano.
13:28
The color represents different rooms they are in the house.
323
793000
3000
A cor representa diferentes cômodos da casa.
13:31
This person on the left is living in their own home.
324
796000
2000
Essa pessoa à esquerda mora na própria casa.
13:33
This person on the right is actually living in an assisted living facility.
325
798000
3000
A da direita mora em um centro de apoio.
13:36
I know this because look at how punctuated meal time is
326
801000
3000
Eu sei disso pela forma como o horário da refeiçoes é apresentado
13:39
when they are no longer in their particular rooms here. Right?
327
804000
3000
quando eles não estão mais em quartos particulares. Entendem?
13:42
Now, this doesn't mean that much to you.
328
807000
3000
Talvez isso não signifique muito para vocês
13:45
But when we look at these cycles of data
329
810000
2000
mas quando olhamos esses ciclos de dados
13:47
over a longer period of time -- and we're looking at everything from
330
812000
2000
durante um longo período e nos atentamos para tudo
13:49
motion around different rooms in the house,
331
814000
2000
desde os movimentos nos diferentes cômodos da casa,
13:51
to sort of micro-motions that Shimmer picks up,
332
816000
3000
a micro movimentos que o Shimmer possa captar,
13:54
about gait and stride length -- these streams of data
333
819000
2000
como o tamanho dos passos, esses fluxos de dados
13:56
are starting to tell us things about behavioral patterns
334
821000
2000
começam a nos dizer coisas sobre padrões comportamentais
13:58
that we've never understood before.
335
823000
2000
que não entendíamos antes.
14:00
You can go to ORCATech.org --
336
825000
2000
Para saber mais, acessem ORCATech.org.
14:02
it has nothing to do with whales, it's the Oregon Center for Aging and Technology --
337
827000
3000
Não tem nada a ver com baleias, é o Centro de Envelhecimento
14:05
to see more about that.
338
830000
2000
e Tecnologia de Oregon.
14:07
The problem is, Intel is still one of the largest
339
832000
2000
O problema é que a Intel ainda é uma das maiores
14:09
funders in the world
340
834000
2000
investidoras do mundo
14:11
of independent living technology research.
341
836000
3000
em pesquisa de tecnologia de vida independente.
14:14
I'm not bragging about how much we fund;
342
839000
2000
Não que eu queira me gabar dos investimentos,
14:16
it's how little anyone else actually pays attention
343
841000
2000
é que poucas pessoas realmente prestam atenção
14:18
to aging and funds innovation on aging,
344
843000
3000
no envelhecimento e nas intervenções para inovação
14:21
chronic disease management and independent living in the home.
345
846000
3000
no gerenciamento de doenças crônicas e na vida independente em casa.
14:24
So, my mantra here, my fourth slogan is:
346
849000
2000
Por isso, meu mantra aqui, meu quarto slogan é:
14:26
10,000 households or bust.
347
851000
3000
10 mil famílias ou nada.
14:29
We need to drive
348
854000
2000
Precisamos direcionar
14:31
a national, if not international, Framingham-type heart study
349
856000
4000
ao Framingham Heart Study um estudo nacional, ou até internacional,
14:35
of independent living technologies,
350
860000
2000
sobre tecnologias de vida independente
14:37
where we have 10,000 elderly connected households
351
862000
3000
em que tenhamos 10 mil domícilios de idosos conectados
14:40
with broadband, full medical characterization,
352
865000
3000
à banda larga, com assistência médica adequada
14:43
and a platform by which we can start to experiment
353
868000
2000
e uma plataforma na qual possamos começar a experimentar
14:45
and turn these from 20-household anecdotal studies
354
870000
3000
e transformar esses 20 estudos empíricos
14:48
that the universities fund,
355
873000
2000
financiados pelas universidades,
14:50
to large clinical trials that prove out the value of these technologies.
356
875000
3000
em grandes estudos clínicos que comprovem o valor dessas tecnologias.
14:53
So, 10,000 households or bust.
357
878000
2000
Por isso, 10 mil famílias ou nada.
14:55
These are just some of the households that we've done in the Intel studies.
358
880000
4000
Esses são apenas alguns dos domícilos que temos usado nos estudos da Intel.
14:59
My fifth and final phrase:
359
884000
2000
Minha quinta e última frase:
15:01
I have tried for two years,
360
886000
2000
Tenho tentado por dois anos,
15:03
and there were moments when we were quite close,
361
888000
3000
e em alguns momentos estivemos bem perto
15:06
to make this healthcare reform bill be about reform
362
891000
3000
de fazer essa reforma na saúde
15:09
from something and to something,
363
894000
2000
de forma efetiva.
15:11
from a mainframe model
364
896000
2000
De um velho modelo
15:13
to a personal health model,
365
898000
2000
a um modelo de saúde pessoal
15:15
or to mean something more than just a debate
366
900000
2000
que vá além de um debate
15:17
about the public option and how we're going to finance.
367
902000
2000
sobre a opção pública e formas de financimento.
15:19
It doesn't matter how we finance healthcare.
368
904000
3000
Não importa como vamos financiar.
15:22
We're going to figure something out
369
907000
2000
Vamos descobrir algo
15:24
for the next 10 years, and try it.
370
909000
2000
nos próximos 10 anos e tentar.
15:26
No matter who pays for it,
371
911000
2000
Não importa quem vá pagar por isso.
15:28
we better start doing care in a fundamentally different way
372
913000
2000
É melhor começarmos a encarar de forma diferente
15:30
and treating the home and the patient
373
915000
3000
e tratar a casa, o paciente,
15:33
and the family member and the caregivers
374
918000
2000
o membro da família e os enfermeiros
15:35
as part of these coordinated care teams
375
920000
2000
como parte dessas equipes de cuidados coordenados
15:37
and using disruptive technologies that are already here
376
922000
4000
e usar as tecnologias disruptivas existentes
15:41
to do care in some pretty fundamental different ways.
377
926000
3000
para tratar a saúde de forma muito diferenciada.
15:44
The president needs to stand up and say,
378
929000
3000
O presidente precisa se levantar e dizer,
15:47
at the end of a healthcare reform debate,
379
932000
3000
no final de um debate sobre reforma na saúde:
15:50
"Our goal as a country is to move 50 percent of care
380
935000
3000
"Nosso objetivo como país é mover, em 10 anos,
15:53
out of institutions, clinics, hospitals and nursing homes,
381
938000
3000
50% da assistência das instituições, clínicas, hospitais
15:56
to the home, in 10 years."
382
941000
2000
e enfermarias para as casas."
15:58
It's achievable. We should do it economically,
383
943000
2000
É viável. Devemos fazê-lo com economia.
16:00
we should do it morally,
384
945000
2000
Com moral.
16:02
and we should do it for quality of life.
385
947000
2000
E devemos fazê-lo pela qualidade de vida.
16:04
But there is no goal within this health reform.
386
949000
2000
Mas não existe alvo nessa reforma da saúde.
16:06
It's just a mess today.
387
951000
2000
Hoje está uma bagunça.
16:08
So, you know, that's my last message to you.
388
953000
2000
Então essa é minha última mensagem para você.
16:10
How do we set a going-to-the-moon goal
389
955000
3000
Como definir um alvo para lidar com
16:13
of dealing with the Y2K +10 problem that's coming?
390
958000
4000
o problema "Ano 2000 + 10" que está chegando?
16:17
It's not that innovation and technology is going to be the
391
962000
2000
Não que inovação e tecnologia sejam uma
16:19
magic pill that cures all, but it's going to be part of the solution.
392
964000
3000
pílula mágica que cura tudo, mas é parte da solução.
16:22
And if we don't create a personal health movement,
393
967000
3000
E se não criarmos um sistema de saúde pessoal --
16:25
something that we're all aiming towards in reform,
394
970000
2000
algo que todos nós esperamos na reforma,
16:27
then we're going to move nowhere.
395
972000
2000
então não chegaremos a lugar nenhum.
16:29
So, I hope you'll turn this conference into that kind of movement forward.
396
974000
2000
Por isso, espero que vocês transformem essa conferência em um tipo de movimento progressista.
16:31
Thanks very much.
397
976000
2000
Muito obrigado.
16:33
(Applause)
398
978000
3000
(Aplausos)
ABOUT THE SPEAKER
Eric Dishman - Social scientistEric Dishman does health care research for Intel -- studying how new technology can solve big problems in the system for the sick, the aging and, well, all of us.
Why you should listen
Eric Dishman is an Intel Fellow and general manager of Intel's Health Strategy & Solutions Group. He founded the product research and innovation team responsible for driving Intel’s worldwide healthcare research, new product innovation, strategic planning, and health policy and standards activities.
Dishman is recognized globally for driving healthcare reform through home and community-based technologies and services, with a focus on enabling independent living for seniors. His work has been featured in The New York Times, Washington Post and Businessweek, and The Wall Street Journal named him one of “12 People Who Are Changing Your Retirement.” He has delivered keynotes on independent living for events such as the annual Consumer Electronics Show, the IAHSA International Conference and the National Governors Association. He has published numerous articles on independent living technologies and co-authored government reports on health information technologies and health reform.
He has co-founded organizations devoted to advancing independent living, including the Technology Research for Independent Living Centre, the Center for Aging Services Technologies, the Everyday Technologies for Alzheimer’s Care program, and the Oregon Center for Aging & Technology.
Eric Dishman | Speaker | TED.com