CI habilita novos recursos de diagnóstico de saúde

A inteligência contínua (CI) está permitindo abordagens inovadoras aos cuidados de saúde, oferecendo aos médicos recursos de diagnóstico mais rápidos e precisos.

As organizações de saúde são abençoadas com uma riqueza de dados para avaliar as condições do paciente e prescrever um plano de tratamento. Cada vez mais, a capacidade de fazer diagnósticos mais rápidos e precisos requer inteligência contínua (CI) derivada da análise em tempo real de dados de streaming.

Dois fatores estão impulsionando essa mudança. Primeiro, as expectativas dos pacientes estão mudando. A qualidade do atendimento é cada vez mais importante – à medida que os pacientes começam a exercer seu direito de escolher como e com quem se envolver em seus cuidados de saúde. Eles exigem transparência de dados e processos. Consequentemente, as organizações de saúde precisam se concentrar em como os resultados de qualidade podem ser alcançados de maneira significativa para os pacientes.

Veja também: AI Fornecendo Orientação de Saúde Mental? Não tão rápido, dizem os psiquiatras

Ao mesmo tempo, a saúde está passando por grandes mudanças em virtude da disponibilidade de novas fontes de dados. Especificamente, há o surgimento da internet das coisas (IoT) wearables e dispositivos médicos conectados. À medida que as organizações de saúde usam mais dispositivos conectados, registros eletrônicos de saúde (EHRs) e visitas virtuais com pacientes, mais e mais dados estão chegando.

No entanto, esses dados geralmente ficam isolados e não melhoram o atendimento ao paciente até que sejam revisados ​​e arquivados para uso no futuro. Avançar requer soluções que possam facilmente usar as diferentes fontes de dados e aplicar análises em tempo real a esses dados em tempo real.

Dados em tempo real para diagnóstico

Soluções que superam os obstáculos de dados abrem novas oportunidades. Por exemplo, o uso de dados de streaming pode ajudar no diagnóstico precoce de uma variedade de condições de saúde em muitas áreas. Um exemplo é a aplicação de comunicações de voz para diagnosticar condições médicas.

Considere o seguinte cenário:uma mulher telefona preocupada com a saúde de sua mãe, pois recentemente teve problemas com perda de memória. A mãe liga para a fila de triagem de enfermagem de sua clínica, onde sua enfermeira faz cinco perguntas para coletar informações para o diagnóstico. A análise de sentimentos é realizada na comunicação de voz com a enfermeira. As informações derivadas dessa análise são combinadas com os dados de saúde capturados do dispositivo vestível da mãe (que a enfermeira pode visualizar em tempo real). A enfermeira então usa as informações para determinar se a doença de Alzheimer está dentro de um alto grau de probabilidade. Como resultado, essa interação ajuda a filha a determinar os próximos passos para os cuidados de saúde de sua mãe.

Com uma infinidade de dispositivos conectados disponíveis hoje, algo tão simples quanto comunicações de voz sendo usadas para diagnosticar (ou determinar a probabilidade de diagnóstico) é o bot médico definitivo.

O uso de análises em comunicações de voz para o diagnóstico precoce de certas condições médicas está próximo da realidade atual. Por exemplo, o Apple Watch agora vem com um recurso de Eletrocardiograma (EKG) – fornecendo aos usuários informações sobre seus batimentos cardíacos que podem ajudar a alertá-los sobre condições não diagnosticadas. Os dados em tempo real fornecidos por dispositivos vestíveis como o Apple Watch podem servir como um primeiro passo para diagnosticar certas condições de saúde e alertar os pacientes para consultar seu provedor quando os dados indicarem que algo está errado.

Combinando análise em tempo real com IA

O uso de análises em tempo real para diagnosticar condições está levando o tratamento médico a novos níveis. Ainda mais avançados são os aplicativos que usam análise preditiva e inteligência artificial (IA) para evitar o surto de uma doença ou condição.

Um exemplo da aplicação dessa tecnologia preventiva é o trabalho do HCAHealthcare na redução da ameaça de morte por sepse.

A sepse é uma condição implacável que pode causar estragos no corpo. Muitas vezes se aproxima, como um ladrão à noite, depois que as pessoas já estão internadas em hospitais para tratar outras condições. Ele entra em erupção quando o corpo está lutando contra a infecção, desencadeado por um desequilíbrio nos próprios bioquímicos que o corpo está enviando para a corrente sanguínea para combater a infecção. Se a sepse progride para choque séptico, os órgãos são danificados e a pressão arterial cai – situação potencialmente mortal. A sepse é responsável por 270.000 mortes por ano somente nos Estados Unidos.

Normalmente, o diagnóstico de sepse só é possível com base na revisão manual dos prontuários dos pacientes durante as passagens de plantão. O problema é que quando a sepse é detectada dessa forma, pode ser tarde demais. “Cada hora de atraso no diagnóstico aumenta o risco de morte em quatro a sete por cento”, diz o Dr. Jonathan Perlin, presidente de serviços clínicos e diretor médico de saúde da HCA Healthcare.

Este atraso não era aceitável. Uma equipe de médicos, cientistas de dados e profissionais de tecnologia se uniram para criar um sistema de análise preditiva em tempo real para detectar com mais precisão e rapidez pacientes internados com sepse.

O desafio foi captar os dados relacionados às condições pré-sepse. Havia muito disso gerado pelas mais de 30 milhões de interações anuais com pacientes da empresa de saúde a cada ano em 1.800 locais de atendimento. No entanto, grande parte foi isolada em sistemas e aplicativos diferentes.

A maioria das infraestruturas de dados existentes não foi projetada para inteligência de negócios e relatórios em grande escala. O que é necessário é uma maneira de coletar, analisar e compartilhar dados em tempo real de todas as nossas instalações para que ações que salvam vidas possam ser tomadas rapidamente. Para enfrentar esse desafio, a equipe criou um sistema de análise preditiva em tempo real chamado SPOT (Sepsis Prediction and Optimization of Therapy).

Com o SPOT, os médicos podem detectar sepse em pacientes com mais precisão e rapidez. A plataforma coleta e analisa dados clínicos – como localização do paciente, sinais vitais, farmácia e dados laboratoriais – e sinaliza aos cuidadores em tempo real para iniciar o tratamento precoce da sepse.


Com a ferramenta SPOT, a HCA Healthcare é capaz de melhorar a detecção precoce. Os médicos podem detectar e identificar indicadores iniciais de sepse até 20 horas antes dos métodos tradicionais de triagem.

Papel do Analytics na detecção precoce de fraude médica

Além do diagnóstico, a análise em tempo real está sendo observada para outros aplicativos de saúde. Por exemplo, um dos principais problemas no setor de saúde hoje é a quantidade de fraude médica que ocorre. Em 2017, houve US$ 1,3 bilhão em cobranças falsas, de acordo com o Escritório do Inspetor-Geral do Departamento de Saúde e Serviços Humanos dos EUA. A análise pode desempenhar um papel significativo na detecção de fraudes médicas, além de auxiliar no diagnóstico precoce de condições médicas.

Imagine um call center médico usando a tecnologia de análise de voz durante uma chamada de um paciente que está tentando uma fraude médica. Com análises incorporadas ao software, as bandeiras vermelhas no tom de voz do paciente podem ser identificadas. A pessoa que atende a chamada pode então ser alertada para a preocupação expressa através da análise, permitindo que ela investigue a situação em um nível mais profundo. A análise pode um dia desempenhar um papel fundamental na detecção precoce de fraudes médicas – alertando as organizações sobre possíveis fraudes logo no processo de agendamento de consultas.

O verdadeiro desafio:trabalhar com dados

Em todos os esforços, o principal desafio é como usar o grande número de fontes de dados de forma eficiente. Uma solução adequada será capaz de:

Fusão contínua de diferentes fontes de dados: Dispositivos médicos fornecem exibições visuais de sinais vitais por meio de fluxos fisiológicos, como eletrocardiograma (ECG), frequência cardíaca, saturação de oxigênio no sangue (SpO2) e frequência respiratória. Iniciativas de registro eletrônico de saúde em todo o mundo criam mais fontes de dados médicos. Condições com risco de vida, como infecção nosocomial, pneumotórax, hemorragia intraventricular e leucomalácia periventricular, podem ser detectadas usando análises que fundem diferentes fontes de dados.

Ofereça atendimento altamente personalizado: Detecte sinais mais cedo para melhorar os resultados do paciente e reduzir o tempo de permanência. Descoberta de conhecimento automatizada ou orientada por médicos para identificar novas relações entre eventos de fluxo de dados e condições médicas.

Apoiar o tratamento proativo: Crie um perfil para cada paciente com base em fluxos de dados personalizados e receba insights continuamente

Conclusão

Simplificando, o potencial em tempo real da análise para aliviar uma variedade de desafios no setor de saúde hoje é enorme. Com todo o progresso que foi feito na criação de novas tecnologias para catapultar os cuidados de saúde para a próxima geração de experiência do paciente, é natural que a implantação de análises em tempo real para diagnóstico médico precoce, fraude médica e outras aplicações venham a seguir. .