Resumo executivo
A computação de borda (edge computing) reposiciona a inferência de IA para o local de geração dos dados — wearables, gateways clínicos e IoMT — obtendo latência p95 na ordem de ms, economia de banda e menor exposição de dados. Em saúde, o Edge AI permite detectar padrões de sinais vitais e emitir alertas relevantes em tempo quase real, sustentando monitoramento remoto, triagem e telemedicina com privacidade por concepção. Revisões sistemáticas e estudos recentes confirmam ganhos de latência, resiliência offline e eficiência operacional quando se compara borda vs nuvem pura em cenários clínicos distribuídos [1][2], e destacam o papel da borda na telemedicina com 5G para reduzir tempos de resposta em fluxos críticos [3].
Contexto e motivação
Sistemas de saúde enfrentam um triplo desafio: (i) variabilidade de conectividade dentro e fora do hospital, (ii) confidencialidade/segurança de dados clínicos e (iii) restrições de custo. Edge AI endereça esses pontos ao minimizar a dependência de rede e ao preservar dados localmente para análises imediatas, enviando à nuvem apenas o mínimo necessário. A literatura aponta que arquiteturas em camadas — dispositivo→borda→nuvem — melhoram tempo de resposta e a qualidade operacional em eHealth/IoMT [1][4], e que a combinação de borda com 5G acelera telemedicina e fluxos de triagem móvel [3].
Fundamentos: latência, banda e privacidade
Latência: a ida/volta até data centers adiciona jitter e piores‑casos que inviabilizam respostas clínicas oportunas. Ao deslocar a execução para o gateway (mini‑PC/SBC), a latência torna‑se função do processamento local e do barramento de dispositivo, frequentemente ordens de magnitude abaixo do caminho rede→nuvem→rede [2][3].
Banda e custo: borda filtra waveform e envia apenas eventos ou observações derivadas — reduzindo tráfego e custos de egress/armazenamento, sem perder a capacidade de análise longitudinal na nuvem [1][2].
Privacidade: ao manter dados sensíveis próximos à fonte e compartilhar apenas indicadores minimizados, a borda inerentemente reduz a superfície de exposição. Revisões recentes enfatizam que edge é um facilitador de privacy‑by‑design para eHealth distribuído [1].
Regra de bolso: tudo que exige resposta imediata, envolve dados muito sensíveis e/ou ocorre em ambientes remotos tende a se beneficiar da borda; consolidação longitudinal e ciência de dados permanecem fortes candidatas à nuvem [1][2].
Arquitetura de referência (camadas)
- Dispositivo — wearables ECG/PPG/SpO₂ (BLE/USB/Serial), filtragem inicial e time stamping;
- Borda/Edge Gateway — mini‑PC/SBC x86/ARM com inferência local (OpenVINO™), agregação e alertas;
- Fog/Local (opcional) — broker MQTT, servidor FHIR on‑prem, cache e store‑and‑forward;
- Nuvem — analytics corporativo, relatórios, aprendizado offline, governança;
- Aplicações — dashboards clínicos/operacionais e integrações com EHR.
A organização em 4–5 camadas é recomendada para reduzir latência e preservar privacidade, mantendo QoS e auditabilidade [4].
| Camada | Função principal | Observações práticas |
|---|---|---|
| Dispositivo | Aquisição ECG/PPG/SpO₂ | BLE de baixa energia; qualidade de contato; lead‑off detection [28][5] |
| Borda | Inferência/alertas | OpenVINO™ em CPU/iGPU/VPU; fallback gracioso; métricas de latência [11][12] |
| Fog/Local | Intermediário resiliente | Broker MQTT; servidor FHIR local; retenção curta [16] |
| Nuvem | Analytics/gestão | Consolidação; custo controlado por minimização [2] |
| Aplicações | Consumo clínico/operacional | Perfis FHIR; testes de contrato; auditoria [15] |
Cardiologia no Edge: ECG/PPG/SpO₂
Em cardiologia, ECG e PPG são sinais complementares. O PTB‑XL — maior dataset público de ECG 12‑derivações (21.837 registros, 10s) — é referência para P&D/benchmark, com rótulos multi‑classe e documentação de splits [8][9]. Benchmarks mostram que CNNs (ResNet/Inception) superam abordagens clássicas para tarefas de classificação, com discussões sobre estratificação oculta, incerteza e interpretabilidade [10].
Em wearables, BLE é o caminho natural para baixo consumo e integração móvel; há designs de referência para ECG+PPG sincronizados (AFE4900) e placas com chip de segurança para telemetria confiável