Usando dados e IA para criar melhores sistemas de saúde

Os centros médicos acadêmicos podem transformar o atendimento ao paciente adotando princípios dos princípios da aprendizagem de sistemas de saúde, de acordo com pesquisadores da Weill Cornell Medicine e da Universidade da Califórnia, San Diego. Nesta abordagem, as informações de registros eletrônicos de saúde, ensaios clínicos e operações diárias hospitalares são analisadas em tempo real para descobrir idéias que melhoram continuamente o atendimento ao paciente.

A perspectiva, publicada em 17 de junho em Sistemas de Saúde NPJrazões que um modelo de atendimento mais inteligente, mais eficiente e mais eqüitário pode ser criado aproveitando os dados existentes para apoiar o aprendizado em todo o sistema. No entanto, a adoção deste modelo permanece limitada.

“A integração de diversos bancos de dados faz parte da criação de um sistema dinâmico de saúde”, disse o principal autor Dr. Peter Steel, professor associado de medicina de emergência clínica da Weill Cornell Medicine e médico de medicina de emergência no Newyork-Presbyterian/Weill Cornell Medical Center. “Os profissionais serão capazes de ver com mais facilidade e rapidez o que está funcionando e o que não é; e o que está aumentando os custos desnecessários”.

Além disso, contribuindo para a perspectiva estão o Dr. Robert Harrington, o Dean de Stephen e Suzanne Weiss, da Weill Cornell Medicine, e o Dr. Christopher Longhurst e o Dr. Gabriel Wardi, ambos da Universidade da Califórnia, San Diego.

Os autores dizem que o estabelecimento de um sistema de saúde da aprendizagem é especialmente importante agora, pois as instituições acadêmicas estão enfrentando tensão financeira causada pelo aumento dos custos de pesquisa, margens em declínio e expectativas crescentes de pacientes. A perspectiva é um chamado à ação dos centros de saúde acadêmicos para fazer mudanças sistêmicas repensando como elas geram e aplicaem o conhecimento.

Barreiras à implementação

A idéia por trás dessa abordagem não é nova – pesquisadores médicos previam os sistemas de saúde de aprendizado quando os hospitais fizeram a transição do papel para os registros eletrônicos de saúde. No entanto, os registros eletrônicos de saúde foram projetados principalmente para a conveniência de médicos e pacientes, e não para pesquisadores e iniciativas de melhoria da qualidade. Silos de dados complicam ainda mais o estabelecimento de sistemas de saúde de aprendizado. Informações – histórias de pacientes, resultados de laboratório, registros de imagem ou cobrança – são armazenados em sistemas separados e desconectados que não se comunicam.

Consequentemente, muitas vezes pode levar anos para reunir e analisar os dados necessários para melhorar o atendimento ao paciente, observaram os autores. Um sistema de saúde em funcionamento pode diminuir esse período para semanas, mantendo a pesquisa ética centrada no paciente e usando fortes sistemas de segurança para garantir a privacidade do paciente. Essas idéias podem então ser usadas para revisar as diretrizes de tratamento, aprimorar a segurança do paciente e estimular as inovações.

Parte da questão, argumentam os autores, é uma integração insuficiente entre as pessoas focadas em cuidados clínicos, pesquisa e educação. Idealmente, os futuros médicos podem ser ensinados a usar os dados para fazer e responder eficientemente a perguntas clínicas que reunirão diferentes partes interessadas para colaborar.

“Um sistema de saúde de aprendizado, alimentado pela IA, tem o potencial de elevar os cuidados e os resultados clínicos”, disse o Dr. Harrington. “Quando permitimos que futuros médicos aprendam com todos os encontros clínicos, podemos melhorar a qualidade e a eficácia de maneiras que não poderíamos antes”.

Além da organização e da análise de dados, o custo da implementação de um sistema de saúde da aprendizagem pode atingir dezenas de milhões de dólares. Mas o retorno a longo prazo pode ser estratégico: anos após a implementação, as organizações de saúde que utilizam com sucesso essa abordagem podem se tornar significativamente mais competitivas do que as que não o fazem, disseram os autores.

A inteligência artificial está impulsionando a mudança

Apesar dos desafios, os recentes avanços na inteligência artificial tornam a adoção de sistemas de saúde da aprendizagem mais crítica. Os pacientes estão começando a esperar que os médicos aproveitem a IA para oferecer cuidados proativos personalizados, mas a IA depende de dados limpos, bem estruturados e do mundo real. “A IA só pode cumprir sua promessa se for construída sobre uma base de infraestrutura de aprendizado”, disse Steel.

As ferramentas de IA podem analisar enormes volumes de dados médicos rapidamente, ajudando os médicos a detectar sinais de alerta precoce de doença, otimizar operações e tomar decisões mais rápidas e individualizadas. Um sistema de saúde de aprendizado permite o controle essencial da qualidade, garantindo que as ferramentas de IA sejam monitoradas continuamente quanto à segurança, viés e eficácia.

“Os centros médicos acadêmicos enfrentam um cenário de financiamento em rápida mudança, mesmo que os custos da transformação e administração tecnológica em assistência médica continuem a aumentar”, disse Steel. “A implementação do sistema de saúde da aprendizagem não é mais um objetivo teórico, mas um imperativo estratégico”.