A inteligência artificial pode fazer parte do processo de triagem

O desafio da triagem médica

Nos últimos anos, observou-se que o número de atendimentos de emergência mostra uma tendência preocupante devido ao seu crescimento acelerado. Somente nos EUA, em 2018 (1), uma média de 130 milhões de visitas ao sistema de emergência foram relatadas, causando níveis sem precedentes de aglomeração e atrasos no atendimento.

Com esse volume, é de se esperar que o sistema tenha falhas no encaminhamento clínico dos pacientes, um estudo publicado em 2018 (2) pelo Departamento de Medicina de Emergência da Universidade Johns Hopkins estima que, em média, 1 em cada 5 pacientes é mal avaliado pela equipe de saúde ao fazer a atribuição de priorização. Isso pode ter consequências graves para os pacientes. Por um lado, a triagem excessiva resulta no envio de pacientes para tratamentos intensivos desnecessários, caros e demorados, expondo-os a bactérias perigosas resistentes a antibióticos que podem se espalhar nos hospitais. Por outro lado, a subtriagem significa que um paciente que precisa de cuidados não os recebe em tempo hábil, impedindo o monitoramento adequado da condição e eliminando a possibilidade de interromper a deterioração do paciente.

Se somarmos a isso o número de pacientes que fazem visitas desnecessárias que acabam saturando as salas de emergência nos dias de pico, descobrimos que a triagem é uma atividade que representa grandes desafios para as instituições de saúde otimizarem seus recursos e para que os pacientes recebam serviços e tratamento adequados.

Triagem populacional feita por inteligência artificial?

O surgimento de ferramentas tecnológicas que podem automatizar a priorização dos pacientes de acordo com a necessidade de assistência médica tem o grande potencial de diminuir a carga sobre os sistemas de emergência, liberar tempo para enfermeiros e médicos tratarem os pacientes e mitigar a inconveniência da triagem excessiva e insuficiente.

Nos últimos anos, a aplicação da Inteligência Artificial (IA) ao setor de saúde vem transformando a forma como a medicina é praticada. Particularmente, no caso da triagem, a criação dos Sistemas de Apoio à Decisão Clínica (CDSS) mostrou que, ao aplicar o Aprendizado de Máquina (ML) e o Aprendizado Profundo (DL), dois dos principais componentes da IA, a capacidade preditiva do pessoal de saúde na priorização do atendimento ao paciente pode ser igualada ou até melhorada (3).

No entanto, é importante mencionar que falamos em Sistemas de Suporte à Decisão porque uma automação completa do processo de triagem é impraticável. Tomando como exemplo a Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde (CID), vemos que apenas nos últimos anos o número de condições aumentou de 12.420 para 68.000, tornando a variabilidade nas condições apresentadas diariamente bastante alta.

Você precisa saber codificar para criar uma ferramenta de triagem clínica com Inteligência Artificial?

A tecnologia por trás desses CDSS é bastante complexa em termos gerais. Para criar um CDSS, você precisa não apenas de um amplo conhecimento das doenças e dos níveis de triagem associados a essas condições, mas também gerenciar corretamente os processos necessários para desenvolver algoritmos de IA. Isso representa uma barreira no desenvolvimento dessas ferramentas, especialmente considerando que médicos e profissionais de saúde em geral não têm esse conhecimento em IA.

Consequentemente, a Arkangel AI disponibilizou para toda a comunidade de saúde Hippocrates AutoML, uma ferramenta que permite a criação de algoritmos de IA, seguindo todos os padrões de qualidade, sem a necessidade de escrever uma única linha de código.

De quais insumos Hipócrates precisa?

Como qualquer outra plataforma baseada em IA, os algoritmos treinados com Hipócrates exigem dados. No caso de um CDSS para triagem, esses dados devem seguir uma relação semelhante aos obtidos no processo de triagem manual, ou seja, é necessário pelo menos coletar informações sobre os sintomas do paciente, o que também representa um desafio para as instituições de saúde, pois elas geralmente não criaram uma arquitetura de dados organizada (se for esse o seu caso, recomendamos que você converse com um dos agentes da Arkangel Ai para saber quais alternativas você tem para começar a organizar seus dados, mesmo que sejam não estruturado). No entanto, o interessante sobre a IA é que, diferentemente dos profissionais de saúde, ela pode analisar grandes quantidades de informações em curtos períodos de tempo. Portanto, para a construção do CDSS também é relevante incluir informações que possam ser relevantes para a triagem: histórico médico do paciente, condições basais, avaliações anteriores, entre outras.

Com essas informações e o “padrão ouro”, ou seja, o resultado esperado da previsão do algoritmo, Hipócrates é capaz de construir e testar um algoritmo para apoiar a priorização do atendimento ao paciente. Esse algoritmo deve agrupar os diferentes níveis de triagem existentes, para que o especialista receba notificações que lhe permitam tomar decisões com base em dados e com menor grau de subjetividade.

Onde no fluxo de trabalho clínico a triagem feita por Ai pode ser implementada?

Os departamentos de emergência não são o local ideal para realizar esse processo de triagem, mesmo com a ajuda de uma ferramenta de IA. Portanto, uma boa ideia para o CDSS é projetá-los na forma de Chatbots ou plataformas interativas para consulta remota, permitindo reduzir o alto fluxo de pacientes no sistema hospitalar. Da mesma forma, quando realizado remotamente, é possível impactar a gestão dos recursos de forma abrangente, uma vez que não apenas o atendimento hospitalar dos pacientes é priorizado, mas também a alocação de ambulâncias para sua transferência. Isso é de vital importância, considerando que nos últimos anos os tempos de reação das ambulâncias aumentaram dramaticamente (4), afetando a qualidade do atendimento no sistema de emergência.

Finalmente, ao realizar a triagem remotamente, os CDSSs ajudam a informar adequadamente os pacientes sobre a urgência dos cuidados médicos que sua condição exige. Isso não apenas alivia o medo que os pacientes sentem quando se sentem doentes, mas também ajuda o sistema de saúde a atribuir de forma inteligente variantes no atendimento médico, como visitas domiciliares, consultas de teleconsulta, consultas prioritárias, entre outras.

**O uso da Inteligência Artificial para priorizar o atendimento médico representa uma grande vantagem para pacientes, médicos e seguradoras. Se você estiver interessado em desenvolver uma ferramenta baseada em IA ou implementar uma das ferramentas desenvolvidas pela Arkangel Ai, deixe-nos (te conheço), há muito valor a ser explorado.

(1) Pesquisa Nacional de Assistência Médica Ambulatorial do Hospital: Tabelas resumidas do Departamento de Emergência de 2018

(2) Precisão da triagem do departamento de emergência usando o Índice de Gravidade da Emergência e preditores independentes de subtriagem e sobretriagem no Brasil: uma análise de coorte retrospectiva.

(3) Algoritmo de inteligência artificial para prever a necessidade de cuidados intensivos em serviços médicos de emergência pré-hospitalares

(4) Sistema inteligente de triagem de chamadas com algoritmo que combina árvore de decisão e SVM

Se você quiser saber mais sobre Arkangel Ai entre em contato conosco aqui e um dos membros da nossa equipe entrará em contato com você para uma sessão individual.

‍