Como o Machine Learning tem melhorado a operação dos hospitais

Agenda

• Contexto

• O caso de sucesso do Hospital Phoenix Children’s com a DataRobot

• Aprendizados com o caso de sucesso

• Sobre a DataRobot

• Sobre a Carpa Analytics

Contexto

Existem mais de 50 milhões de beneficiários na saúde suplementar, mas 100% dos brasileiros, isto é, mais de 200 milhões de pessoas, precisam de atendimento médico. E se o número de vidas é grande, o universo de especialidades e especificidades também é de se considerar.

O volume de vidas, multiplicado pela variedade de possíveis necessidades, faz com que o atendimento a essa demanda precise ser planejado e gerenciado. Projetos que tentam, por exemplo, diminuir o não comparecimento em consultas e exames agendados (No-show) ou que tentam prever o volume de atendimentos são populares, e muito importantes tanto para garantir a melhor experiência do paciente/beneficiário, mas também para a sustentabilidade do sistema de saúde.

As oportunidades financeiras são imensas, mas os desafios técnicos também são grandes. Aparece então a oportunidade de usar Inteligência Artificial/Machine Learning, elevando as capacidades de planejamento e gestão. 

Nos últimos anos tivemos oportunidades para apoiar diferentes operadoras de saúde e hospitais nesse processo. Buscamos entender se nossas abordagens e resultados são comparáveis a benchmarks internacionais. Trazemos neste rápido artigo a história de sucesso interessante, a do Hospital Phoenix Children’s, que traz uma visão do problema, da solução e dos resultados.

O caso de sucesso do Hospital Phoenix Children’s 

O Phoenix Children’s Hospital, com sede em Phoenix (Arizona) e afiliado à Universidade do Arizona, é um dos maiores sistemas de saúde pediátricos dos Estados Unidos. Com mais de 40 anos de história e centenas de leitos sob gestão, conta com mais de 1.400 médicos e especialistas em mais de 75 áreas e figura frequentemente na lista dos 50 melhores hospitais do país.

O hospital enfrentava desafios típicos de instituições de saúde de grande porte: demanda variável, restrições de recursos, necessidade de previsibilidade e, principalmente, a busca por uma melhor experiência para pacientes e familiares.

A partir de sua parceria com a DataRobot, o hospital passou a aplicar modelos de machine learning em problemas concretos de gestão e atendimento, alcançando resultados relevantes e mensuráveis.

As iniciativas a seguir mostram como a aplicação prática da inteligência artificial conseguiu gerar impacto direto, tanto operacional quanto assistencial.

Confira abaixo um resumo visual dos casos de sucesso do Phoenix Children’s e como as soluções de machine learning foram aplicadas na prática. Em seguida, apresentamos os principais pontos detalhados em texto.

Como o Machine Learning tem melhorado a operação dos hospitais

Como o Machine Learning tem melhorado a operação dos hospitais

Como o Machine Learning tem melhorado a operação dos hospitais

Como o Machine Learning tem melhorado a operação dos hospitais

1 Redução de não comparecimento em consultas (No-Show)

• Desafio: De 10% a 20% das consultas pediátricas eram perdidas por não comparecimento (absenteísmo / no-show), diminuindo a produtividade médica e, consequentemente, impactando os indicadores financeiros.

• Solução: O hospital desenvolveu modelos preditivos para identificar pacientes com maior risco de não comparecimento para priorização de ligações telefônicas.

• Resultados:

  • 25 pacientes em média identificados por dia não planejavam comparecer às consultas;

  •  9.000 consultas recuperadas por ano; e,

  • Mais eficiência e mais crianças atendidas.

2 Otimização da escala médica nos prontos-atendimentos

• Desafio: O fluxo variava entre 3 e 400 atendimentos por dia, dificultando a alocação de equipe e recursos.

• Solução: O hospital desenvolveu um modelo de machine learning para prever a demanda diária e desdobrar em uma escala de equipe médica específica para aquela demanda.

• Benefícios:

  • Planejamento mais objetivo;

  • Menor tempo de atendimento dos pacientes; e,

  • Maior produtividade médica com picos de sobrecarga menos frequentes e menos intensos.

3 Detecção precoce de desnutrição infantil

• Desafio: O hospital sabia que uma certa porcentagem de crianças que apresentavam outros problemas de saúde poderia, na verdade, ter desnutrição não diagnosticada.

• Solução: O hospital construiu modelos preditivos e passou a encaminhar para nutricionistas as crianças com alto risco de desnutrição não diagnosticada.

• Resultados:

  • Identificação adicional de 4 a 5 crianças por semana em risco de desnutrição; e,

  • Maior efetividade clínica e impacto direto na saúde dos pacientes.

Aprendizados com o caso de sucesso

Previsão de "no-show”, previsão de demanda de atendimento e diagnóstico precoce automatizado, são algumas oportunidades. O caso do Phoenix’s Childrens traz uma visão das expectativas realistas de resultados. 

Esses exemplos demonstram que o uso estratégico de machine learning em unidades de atendimento de saúde não é apenas viável, mas que gera resultados concretos em diferentes frentes. Nós, da Carpa Analytics, temos experiência nesses e em outros casos de sucesso, nesse mesmo setor, aqui no Brasil.

Importante notar que, embora esse caso específico seja em uma rede hospitalar, a lógica é válida para qualquer rede de unidades que tenha atendimento presencial, com ou sem agendamento, como acontece em pronto atendimentos, clínicas ou laboratórios.

Sobre a DataRobot

A DataRobot é uma plataforma que disponibiliza uma esteira para soluções com IA e Machine Learning. Traz produtividade e padronização no treinamento e disponibilização de modelos em produção, assim como permite a democratização das iniciativas de Data Science.

Sobre a Carpa Analytics

Na Carpa Analytics, temos apoiado diversas iniciativas com Inteligência Artificial em vários setores, incluindo no setor de saúde, ajudando hospitais e unidades de atendimento a transformar dados em decisões estratégicas e resultados concretos.

Nossa parceria com a DataRobot permite implementar soluções de machine learning de forma ágil e padronizada, democratizando o uso da ciência de dados e potencializando os resultados das instituições. Para conhecer melhor essa colaboração, acesse: Parceria Carpa Analytics & DataRobot.

Além disso, compartilhamos insights e boas práticas aplicáveis também a operadoras de saúde. Confira nosso artigo relacionado: Como a IA Tem Efetivamente Gerado Aumento de Receitas e Diminuição das Despesas nas Operadoras de Saúde.

Para saber mais sobre nosso trabalho e como podemos apoiar sua organização, visite: www.carpaanalytics.com.br.

Para acessar o caso de sucesso completo, clique aqui.

Autores do artigo:  Frederico Arnoldi e Marina Madalena de Lespinasse

---