Inteligência Artificial em Saúde
Daniel Silva | Head of Health and Science IT da Quidgest
Para a Quidgest, a automação e padronização foram sempre encaradas como a chave para produzir software de forma mais sustentável e para mitigar a perda de conhecimento numa sociedade laboral cada vez mais volátil.
Um dos grandes drivers desta visão tem sido a área da Saúde, na qual a Quidgest é pioneira. O sistema que possibilita a prescrição eletrónica de medicamentos, criado em 1997, é exemplo deste vanguardismo. O que na altura se denominou como Prescrição Racional de Cuidados de Saúde assenta no objetivo de permitir uma gestão uniformizada de custos de medicamentos. Este objetivo é uma realidade desde a sua entrada em produção na PT-ACS. No entanto, por algum motivo, é ainda hoje um projeto que se tenta consolidar nacionalmente ao nível dos restantes stakeholders que compõem o universo da Saúde em Portugal.
Nos últimos anos, a área de Saúde da Quidgest tem feito uma aposta cada vez mais forte na componente analítica e de inteligência artificial de forma a melhorar a capacidade de os seus sistemas se tornarem verdadeiramente periciais e inteligentes. Toda a abordagem de desenvolvimento tem sido direcionada para garantir um elevado grau de validade científica no suporte à decisão clínica, administrativa e de gestão. Para esse efeito, foi criada uma subequipa de Data Science, responsável por desenvolver e concetualizar as melhores abordagens para resolver os problemas do amanhã. Também a relação com as universidades, através de estágios, mestrados e projetos de investigação, tem sido fundamental para este desígnio.
Suporte à identificação de potencial fraude em serviços de saúde
A solução de Gestão de Planos de Saúde (GPS) da Quidgest garante a parametrização de um conjunto de regras associadas a serviços (e.g. frequência, idades mínimas e máximas, intervalo entre reincidência de serviço, serviços precedentes ou serviços incompatíveis). Mas como pode um sistema evitar a fraude de um Sistema de Saúde em serviços com regras mais flexíveis? A resposta é simples: não consegue. Tipicamente, um operador experiente poderia olhar para a informação reportada e, de forma empírica, identificar anomalias e solicitar esclarecimentos. Mas o que acontece quando o operador não é tão experiente? Como proceder perante uma recolha na ordem dos mil serviços por dia? Como é possível contextualizar a recolha dentro de uma rede convencionada de prestadores na ordem das largas centenas? A resposta a estas questões está na abordagem da Quidgest: efetuou-se uma análise de toda a informação disponível em termos de recolha e de um processamento com recurso a algoritmos de machine learning de modo a identificar padrões.
Marcação inteligente de consultas
Um dos grandes problemas do SNS prende-se com os tempos de espera para agendamento de consultas. É um processo complexo que muitas vezes acaba por ser “resolvido” através da solução de primeira disponibilidade. Na Quidgest aceitámos o desafio de encontrar uma solução mais ponderada e que oferecesse aos utentes uma melhor “customer experience”, nomeadamente garantindo que os tempos de espera fossem os mínimos possíveis. Através de algoritmos genéticos é possível efetuar um agendamento massivo de consultas de forma automática (tendo em conta a disponibilidade e a precedência de consultas e urgência) e, simultaneamente, minimizar o tempo de espera dos utentes na unidade de saúde. Através desta abordagem garantiu-se que mais de 90% da população (universo de 100 utentes) tivesse um tempo de espera máximo de 30 minutos.
Previsão de fatores de reincidência de cirurgias
Outro projeto em curso é o desenvolvimento de modelos preditivos que auxiliem o processo de identificação de fatores que contribuem para os riscos de reincidência cirúrgica. Numa população cada vez mais envelhecida torna-se necessário identificar, o mais atempadamente possível, quais os fatores que influenciam diretamente a qualidade de vida das pessoas. O objetivo é permitir que os profissionais de saúde que utilizam soluções da Quidgest tenham um suporte à decisão que contribua para o melhor tratamento do indivíduo, ao mesmo tempo que assegura uma maior sustentabilidade financeira da organização. Tendo por base um universo de sete mil pacientes cardíacos com mais de 65 anos e previamente operados pretende-se avaliar o risco da operação (mortalidade), o estado do paciente (morbilidade) e os custos. Estes parâmetros ajudarão os médicos a decidir em relação ao avanço ou não para cirurgia, qual o melhor momento para a fazer e quais os riscos inerentes, prever o tempo de recuperação e os custos associados a todo esse processo.
O futuro da Quidgest, na saúde como nas outras áreas, passa por acrescentar valor às soluções. A automação conseguida pelo Genio permite que as equipas de desenvolvimento cresçam nas suas valências, criando-se equipas multidisciplinares que, através da análise crítica e experiência, desenvolvem novos padrões e mecanismos de suporte à decisão. Especificamente na área de Saúde e Ciência podemos já hoje ver como a inteligência artificial e um pensamento científico contribuem para uma oferta de soluções mais robustas e dinâmicas.
