Modelos de Avaliação Preditiva na Saúde

Você já ouviu falar em modelos de avaliação preditiva na área da saúde? Avaliação preditiva na área da saúde é um conjunto de técnicas estatísticas para ajudar no planejamento de modelos de gestão em saúde a serem utilizados. Estas técnicas não substituem o pensamento humano, mas definitivamente, levam as pessoas a tomarem melhores decisões por diminuírem o risco de duplicar ou ocultar informações relevantes e ajudarem a manter uma linha de raciocínio lógico, esclarecendo as possíveis dúvidas no processo.

Os modelos preditivos são desenvolvidos através de técnicas de análises avançadas. Essas análises são capazes de fornecer cálculos e algoritmos para avaliações mais complexas de dados, que permitem verificar profundamente que está acontecendo. Essa habilidade de utilizar dados, análises e raciocínio sistemático para conduzir a um planejamento mais produtivo e eficaz recebe o nome de “analytics”. Existem vários tipos de análises que compõem o termo “analytics”: Modelagem Estatística, Previsão (Forecasting), Data Mining, Delineamento de Experimentos, entre outras.

As análises mais avançadas incluem modelos sofisticados de estatística como o Machine Learning, Otimização, Redes Neurais, Análises Comportamentais e outras técnicas sofisticadas de Data Mining. Atualmente, uma das práticas mais utilizadas é a Big Data. Esta prática é feita através técnicas de mineração de dados aplicadas em um grande volume de dados para identificar padrões e, deste modo, gerar novas informações.

Essas ferramentas foram construídas para ir além da estatística e relatórios, fornecendo uma avaliação mais precisa a respeito do que vai acontecer. Assim, elas possibilitam a geração de novos insights que levam a uma tomada de decisão mais efetiva. A facilidade desses modelos de análise preditiva está na utilização de resultados já conhecidos para desenvolvimento de um modelo para ser usado na antecipação de novos valores.

Dentro da área da saúde, os modelos preditivos permitem a identificação de padrões existentes, incluindo variáveis demográficas e comportamentais dos pacientes. Esses modelos resultantes identificam, além de segmentos de uma população de pacientes que são possíveis candidatos de alto custo, os fatores que levam os pacientes a terem o perfil de custo elevado. Por meio de modelos de analise preditiva, ainda é possível realizar previsões de taxas de internação, probabilidade de infecções e doenças, assim como, predição de potenciais pacientes para programas de saúde e bem-estar.

Desta maneira, é possível diminuir custos nos sistemas públicos e privados de saúde, além da ocorrência de doenças, ao invés de focar somente no diagnóstico e na causa, quando a patologia já está presente. Além disso, essas tecnologias de análise preditiva aumentam a precisão dos diagnósticos, auxiliam na medicina preventiva e na saúde pública, já que é humanamente impossível analisar os milhões de documentos e estudos médicos existentes. Isso faz com que muito tempo seja economizado por meio do cruzamento desta gigantesca quantidade de dados, o que economiza, inclusive, recursos que poderiam ser gastos no atendimento médico.

Por mais que esta revolução tecnológica tenha modificado o paradigma de saúde, a aprendizagem dos sistemas de saúde exige não apenas a compilação e armazenamento dos dados, como também ciclos de feedback de conhecimento e práticas de mudança.

Essas práticas dependem, acima de tudo, do gerenciamento e da aplicação das novas formas de conhecimento. Para que as empresas e serviços de saúde cresçam e aproveitem as novas oportunidades, elas precisarão estimular o desenvolvimento de talentos e pensar a força de trabalho de maneira estratégica.

Nesta perspectiva, o desenvolvimento de novas tecnologias possibilita a inovação em saúde, uma vez que a tecnologia digital promete revolucionar tanto em termos de gestão, como na maneira em que o tratamento e a prevenção de doenças vêm sendo geridos. Além disso, a tecnologia tem sido desenvolvida para que cada vez mais o paciente seja capaz de entender e gerenciar a sua própria saúde de forma autônoma, como por exemplo através do uso de wearables e aplicativos de saúde. Além disso, o uso dessas ferramentas possibilitará a geração de mais informações e dados que, por sua vez, prevenirão novas e mais invasivas internações e, consequentemente, custos para o sistema de saúde no futuro.

Confira mais sobre os Centros de Inovação SESI, por meio da Plataforma Nacional de Soluções Inovadoras: inovacaosesi.org.br

Autores: Fernanda Vargas Amaral, Luciano Caminha Junior, Renata Silvério de Luca, Centro de Inovaçãos SESI de tecnologias para saúde (CISS)

Referência Bibliográfica: 

COTT, P., et al. Learning health systems need to bridge the ‘two cultures’ of clinical informatics and data science. Journal of Innovation in Health Informatics, 25(2), p. 126-131, 2018.

CULYER, A., J. Health Economics and Health Technology Assessment. Health Economics and sustainable medicine, 46 (7) 2018.

FROST; SULLIVAN’S. Innovations in Human Enablement and Enhancement Technologies. Global 360° Research Team D6DC-TV. March 2016.

MESKÓ, Bertalan. My Health: Upgraded: Revolutionary Technologies to Bring a Healthier Future. Webicina Kft., 2015.

WORLD ECONOMIC FORUM. Global Challenge Insight Report: The Future of Jobs Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution. January, 2016.

WORLD ECONOMIC FORUM. The Future of Jobs Report 2018.Centre for the New Economy and Society, 2018.

(Visited 88 times, 1 visits today)

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *