Os modelos preditivos da Arkangel.AI reduzem as internações hospitalares em até 45% em 68 milhões de pacientes com doenças crônicas

Leia o artigo →

Revolucionando o Gerenciamento de Doenças Crônicas com IA: Como a Arkangel.AI Prevê e Previne Eventos Adversos à Saúde

Modelos abrangentes baseados em IA, implantados em escala, preveem riscos para doenças crônicas como DRC, insuficiência cardíaca e diabetes — melhorando o diagnóstico precoce, a adesão à medicação e os resultados do tratamento em 68 milhões de pacientes.

Introdução

Doenças crônicas como Doença Renal Crônica (DRC), insuficiência cardíaca e diabetes representam um fardo enorme para os sistemas de saúde globais. Somente nos EUA, milhões de pessoas vivem com essas condições — mais de 37 milhões de adultos com DRC, 6,5 milhões com insuficiência cardíaca e 34 milhões com diabetes — enfrentando riscos elevados de hospitalização, complicações e mortalidade. Os custos com saúde aumentam desproporcionalmente com a progressão da doença, frequentemente associados a diagnósticos tardios, baixa adesão à medicação e coordenação inadequada do cuidado.

Os métodos clínicos atuais têm dificuldade em prever quais pacientes apresentam maior risco de eventos adversos, levando a internações hospitalares evitáveis e tratamentos caros. As abordagens tradicionais geralmente se baseiam em diretrizes clínicas estáticas ou conjuntos de dados limitados, sem escalabilidade ou precisão para estratificação de risco personalizada.

Entra a análise preditiva com tecnologia de IA. Aproveitando vastos conjuntos de dados de saúde multimodais — que abrangem desde Registros Eletrônicos de Saúde (RES) e solicitações de reembolso até monitoramento remoto e determinantes sociais da saúde — os modelos de IA agora são capazes de identificar padrões de risco ocultos, prever a progressão da doença e permitir intervenções oportunas e direcionadas. A Arkangel.AI exemplifica essa transformação, oferecendo plataformas sem código que capacitam organizações de saúde a criar e implementar modelos de IA personalizados para diversos casos de uso de doenças crônicas.

As soluções baseadas em IA da Arkangel demonstraram eficácia notável, abrangendo 68 milhões de pessoas, economizando mais de US$ 1,94 milhão e reduzindo a carga de trabalho dos médicos em dezenas de milhares de horas, impactando os resultados em mais de 350 hospitais. Esta publicação do blog apresenta a abordagem da Arkangel, suas principais descobertas e implicações práticas para o gerenciamento de doenças crônicas no mundo real.

Parceria e Contexto do Estudo

A Arkangel.AI, líder na democratização da IA para a saúde, colaborou com diversos sistemas de saúde e pagadores, principalmente nos EUA. Sua plataforma integra dados reais de pacientes, incluindo prontuários eletrônicos de saúde (PEPs) abrangentes, solicitações de reembolso, registros de farmácias, monitoramento remoto e determinantes sociais, oferecendo casos de uso de IA personalizados para hospitais, clínicas e ambientes comunitários.

O foco da Arkangel em múltiplas doenças crônicas em populações carentes e diversas ressalta a necessidade urgente de identificação precoce e otimização de recursos. A ampla cobertura de pacientes e as parcerias operacionais tornam seu trabalho altamente relevante para a prestação de serviços de saúde em larga escala e modelos de cuidado baseados em valor.

Desenho e Metodologia do Estudo

Os modelos baseados em dados desenvolvidos pela Arkangel baseiam-se em grandes coortes de prontuários eletrônicos de saúde (PEPs) e bancos de dados de solicitações de reembolso, abrangendo milhões de pacientes ao longo de vários anos. Os critérios de inclusão variam de acordo com o caso de uso, com foco em pacientes diagnosticados ou em risco de doenças como DRC, insuficiência cardíaca, diabetes e DPOC. Os principais conjuntos de dados incluem:

• Prontuários Eletrônicos de Saúde: Variáveis clínicas detalhadas, sinais vitais, diagnósticos, resultados de exames laboratoriais, medicamentos e listas de problemas.
• Reivindicações Médicas e Farmacêuticas: Utilização de serviços de saúde, códigos de procedimentos, preenchimento de medicamentos e detalhes da terapia.
• Dados de Monitoramento Remoto: Dados de saúde gerados pelo paciente, como pressão arterial, níveis de glicose e rastreamento de atividades.
• Determinantes Sociais da Saúde (DSS): Dados socioeconômicos e ambientais geocêntricos que afetam os resultados de saúde.

A plataforma de IA sem código da Arkangel permite o desenvolvimento rápido de algoritmos nessas fontes de dados, utilizando arquiteturas de aprendizado de máquina supervisionadas, incluindo aumento de gradiente, redes neurais e métodos de conjunto otimizados para tarefas de previsão de doenças crônicas.

Os modelos de IA são treinados em dados históricos, com validação rigorosa em conjuntos de testes mantidos, avaliando métricas de desempenho como Área Sob a Curva ROC (AUC), precisão, recall e redução de erros em comparação com sistemas de pontuação de risco padrão e julgamento clínico.

Principais Resultados

• Predição da Doença Renal Crônica (DRC): Os modelos identificaram DRC não diagnosticada e previram progressão rápida com alta precisão, alcançando AUCs acima de 0,85. A detecção precoce leva a intervenções que reduzem as internações hospitalares em até 45% e as readmissões em mais de 70%.
• Estratificação de Risco de Insuficiência Cardíaca: A IA previu exacerbações agudas e hospitalizações, superando os modelos clínicos tradicionais (AUC >0,88), permitindo o recrutamento de pacientes em programas de gestão de cuidados que reduzem as chances de readmissão em 40%.
• Previsão de Complicações do Diabetes: Os modelos previram o risco de eventos adversos graves, deterioração do controle glicêmico e complicações como retinopatia diabética, facilitando intervenções com boa relação custo-benefício que demonstraram uma redução de mais de 50% no risco de início do diabetes tipo 2.
• Identificação e Monitoramento da DPOC: Utilizando dados de EMR e modelos de aprendizado de máquina como o Extreme Gradient Boosting (XGB), a Arkangel alcançou 86% de precisão de classificação, superando as linhas de base da rede neural, e identificou características sintomáticas e medicamentosas importantes para o diagnóstico precoce.
• Medicamento Adverso Reações: A IA previu riscos relacionados à polifarmácia e ao uso potencialmente inadequado de medicamentos em idosos, fornecendo insights práticos para reduzir de 10% a 30% o aumento dos riscos de hospitalização e a morbidade associada.
• Impacto Operacional: A implantação em escala economizou mais de 35.400 horas de trabalho clínico e mais de US$ 1,9 milhão em custos de saúde, abrangendo 68 milhões de pacientes e beneficiando mais de 350 hospitais.

Interpretação e Implicações

Esses resultados demonstram que os modelos de IA podem prever com precisão pacientes de alto risco em diversas condições crônicas bem antes da deterioração clinicamente aparente. Equipes clínicas capacitadas com esses insights podem iniciar intervenções oportunas — como ajustes de medicamentos, coordenação de cuidados, monitoramento remoto ou orientação em saúde — para retardar a progressão da doença e prevenir hospitalizações dispendiosas.

Para os pacientes, isso significa diagnóstico precoce, planos de cuidados personalizados e melhor qualidade de vida. Os médicos se beneficiam do suporte à decisão clínica baseado em dados, reduzindo a carga cognitiva e aprimorando a estratificação de riscos. Os sistemas de saúde se beneficiam da redução de custos de utilização, da otimização da alocação de recursos e da melhoria dos resultados, alinhados às metas de cuidado baseadas em valor.

Embora promissores, esses sistemas de IA exigem validação contínua em populações diversas, integração com fluxos de trabalho clínicos e atenção à justiça e à mitigação de vieses. Além disso, a explicabilidade e a aceitação pelos médicos continuam sendo essenciais para a ampla adoção.

Implantação e Escalabilidade

A plataforma de IA sem código da Arkangel facilita o rápido desenvolvimento, a implantação e o gerenciamento contínuo de modelos, permitindo que as organizações de saúde adaptem soluções de IA às suas populações e infraestruturas específicas de pacientes. A integração com os sistemas de prontuário eletrônico de saúde (EHR) e os caminhos de cuidado existentes garante o uso contínuo pelos médicos.

As barreiras incluem desafios de interoperabilidade de dados, interrupção do fluxo de trabalho dos provedores e a necessidade de conformidade regulatória robusta e salvaguardas de privacidade. A Arkangel aborda esses aspectos por meio de arquiteturas modulares, pipelines de dados automatizados e estruturas transparentes de governança de IA.

É importante ressaltar que a plataforma adaptável de IA permite a expansão para além das doenças crônicas iniciais, abrangendo outras condições, como AVC, saúde materna, resistência a antibióticos e eficiências operacionais, como otimização da cadeia de suprimentos e previsão do tempo de internação.

Conclusão e Próximos Passos

A aplicação em larga escala da IA pela Arkangel.AI na previsão e gestão de doenças crônicas exemplifica a próxima fronteira na transformação da saúde. Ao utilizar dados multimodais ricos e arquiteturas de IA escaláveis, este trabalho fornece insights práticos e oportunos que podem melhorar os resultados dos pacientes, reduzir hospitalizações evitáveis e reduzir custos.

Esforços futuros devem se concentrar em estudos prospectivos que validem o impacto no mundo real, aprimorando a explicabilidade do modelo e expandindo a implantação em diversos cenários clínicos. A colaboração contínua entre inovadores em IA, médicos e sistemas de saúde é essencial para liberar todo o potencial da IA no tratamento de doenças crônicas.

À medida que as tecnologias de IA amadurecem e se tornam mais integradas à saúde, plataformas como a Arkangel, que democratizam a inovação em IA, estão prontas para revolucionar o gerenciamento de doenças crônicas, oferecendo esperança a milhões de pessoas que vivem com essas condições complexas.

Para mais informações e demonstrações, visite Arkangel.AI.