O que são algoritmos preditivos na saúde? Algoritmos preditivos são modelos de Inteligência Artificial que analisam grandes volumes de dados clínicos, como exames, prontuários e imagens médicas, para antecipar riscos, desfechos e eventos clínicos. Na gestão de saúde, eles ajudam a priorizar pacientes, estimar custos e antever complicações com maior precisão. Por isso, esses algoritmos preditivos têm ganhado espaço crescente na Medicina nos últimos cinco anos.
Nas últimas décadas, a Inteligência Artificial (IA) avançou de forma significativa em suas diversas modalidades e aplicações. Nas Ciências da Saúde, particularmente na Medicina, temas como IA, machine learning (aprendizado de máquina), análise preditiva e correlatos vêm ganhando relevância. De fato, esses assuntos ocupam progressivamente espaço de discussão e desenvolvimento nas cadeiras acadêmicas, políticas e corporativas relacionadas à Saúde.
Por que a adoção da IA na saúde leva tempo?
É compreensível que tecnologias com potencial tão disruptivo quanto a IA levem tempo para chegar à prática, particularmente nas áreas em interface direta com a saúde e o bem-estar das pessoas. A adoção requer, primariamente, conhecimento de seu potencial e de suas limitações. Assim, os profissionais de saúde e de gestão sabem onde e quando aplicá-las, de modo ético e responsável.
Afinal, muitas nuances envolvem a modelagem de algoritmos preditivos aplicados à saúde. Tudo começa pela qualidade dos dados de origem, passa pela técnica dos profissionais de ciência de dados, pela calibração dos modelos e culmina na validação prática junto às populações-alvo. Por isso, cada etapa exige rigor técnico e responsabilidade.
Como a IA generativa se relaciona com a predição?
Mais recentemente, uma modalidade em particular atraiu os holofotes da mídia e da sociedade em geral: a IA generativa, como aquela do ChatGPT. Nesse caso, ainda lidamos com predição, no entanto, os modelos focam na “compreensão” da linguagem natural inserida como input. Além disso, eles fornecem as respostas também em linguagem natural.
Os algoritmos precisam treinar em largos volumes de dados. Dessa maneira, conseguem predizer o significado das palavras ou sons justapostos em sequência, nossa linguagem natural, e produzir uma resposta igualmente coerente sob o prisma da linguagem humana. Em síntese, a IA generativa funciona como uma forma especializada de algoritmos preditivos aplicada à linguagem.
Como os algoritmos preditivos transformam a gestão de saúde?
Munida de capacidade generativa ou não, a IA aplicada à saúde abre um novo leque de possibilidades antes inimagináveis. Especificamente na gestão de saúde, seja corporativa (mais comumente associada à Saúde Suplementar), seja pública (mais comumente associada ao SUS, Sistema Único de Saúde), os algoritmos preditivos têm o potencial de mudar radicalmente a eficiência dos processos. Somado a isso, conferem sustentabilidade ao ecossistema.
A partir de dados diversos, como dados tabulares, imagens médicas, traçados de exames e textos de prontuários, e com técnicas variadas de modelagem preditiva, esses modelos poderão inclusive mudar a forma como nossos sistemas de saúde se estruturam e se financiam. Por exemplo, soluções de análise preditiva em saúde como o Lean Predict já aplicam esses conceitos à antecipação de riscos do paciente. Da mesma forma, a gestão de pacientes internados e do tempo de permanência aproveita diretamente essas técnicas de predição.
O futuro dos algoritmos preditivos: um sistema de saúde mais justo
Como médico e cientista de dados, espero ansiosamente pelo tempo em que a saúde das pessoas se beneficie em larga escala dos avanços que a IA pode oferecer. Um sistema de saúde sustentável e justo envolve melhor justiça distributiva em todos os seus elos. Em outras palavras, trata-se de equidade posta em prática, “fornecer mais a quem mais precisa”. Para tal, precisamos evoluir nossa capacidade de predizer riscos e desfechos em geral.
Imagine um sistema de saúde em que possamos priorizar pessoas de forma mais justa e eficaz nas inúmeras filas de espera que invariavelmente surgirão, por exemplo, para realização de cirurgias, exames e transplantes. Nesse cenário, também conseguiríamos estimar com grande precisão o custo necessário para a melhor prestação de serviços de saúde. Ou mesmo antever complicações de doenças ou eventos adversos graves dentro ou fora dos hospitais. É para isso que trabalhamos, e é nisso que acreditamos.
Quer entender mais sobre tecnologia e gestão em saúde? Acompanhe outros conteúdos no blog da Lean Saúde e conheça a trajetória do autor no perfil do Dr. Francisco C. no LinkedIn.
