Revolucionando Cadeias de Suprimentos na Saúde: Liberando o Pleno Potencial da IA

Não há falta de entusiasmo — ou previsões — sobre o uso potencial de inteligência artificial (IA).

Grand View Research estima que o mercado global de IA crescerá a uma taxa composta anual de 57% entre 2017 e 2025, atingindo US$ 36 bilhões. Forrester prevê que 2020 é o ano em que executivos focarão em como impulsionar e medir o valor de seus investimentos em IA.

Saúde não é exceção. Uma pesquisa recente de executivos de saúde conduzida pela Optum descobriu que não apenas o uso de IA está em alta, mas também que a maioria dos executivos espera um retorno mais rápido sobre seus investimentos do que o previsto inicialmente.

O Que Falta nas Projeções

O que está faltando nestas projeções elevadas são discussões mais substantivas sobre o que é necessário para garantir que a IA cumpra sua promessa, como a importância de governança e gestão de dados. Também há menos conversas sobre o papel que IA e machine learning podem desempenhar na cadeia de suprimentos de saúde, comparado com outras áreas, como diagnóstico de doenças aprimorado e desenvolvimento de drogas. Mas quando você para e pensa em como a IA está sendo aplicada em outras partes da saúde, começa a ver implicações e oportunidades para a cadeia de suprimentos.

Análise Preditiva

Uma das aplicações mais empolgantes de IA é o uso de genômica, combinada com outros fatores clínicos, sociais e comportamentais do paciente, para prever futuros estados de doença e tratamentos de saúde, como se um paciente provavelmente experimentará um evento cardiovascular ou precisará de substituição de joelho. No nível individual do paciente, há relativamente pouca relevância downstream para cadeia de suprimentos. Mas considere o que poderia acontecer se tivéssemos dados sobre populações inteiras de pacientes — digamos, aqueles atendidos por um sistema de saúde ou organização de cuidado responsável. Isso poderia ajudar a prever os tipos e volumes de produtos que serão necessários, incluindo quando e onde, enquanto fornece sinais de demanda valiosos para fabricantes e distribuidores?

Correspondência de Demanda

Com mais dados sobre como produtos performam na prática clínica de rotina e o impulso para redesenhar caminhos de cuidado baseados nas necessidades de populações específicas de pacientes, há uma necessidade crescente de combinar o produto certo ao paciente certo. IA pode desempenhar papel importante em entender o que funciona melhor em que tipos de pacientes, e alavancar esses dados para análise de valor e sourcing, bem como garantir que os produtos certos estejam no lugar certo.

Otimização Logística

Empresas habilitadas por IA focadas em fluxo de pacientes estão utilizando ferramentas comumente implantadas por empresas de logística de terceira parte, como UPS, para traçar as rotas mais rápidas de ambulância para transportar pacientes ao hospital ou outros locais de entrega de cuidados. Por que não implantar estas mesmas tecnologias para auxiliar profissionais de cadeia de suprimentos de saúde enquanto eles lidam com a migração de cuidados para fora de configurações de cuidados agudos? IA pode ajudar a determinar os melhores métodos de transporte, frequência e rotas para mover tanto produtos quanto cuidadores para o número rapidamente expansivo de locais onde serão necessários, de casa e clínicas de varejo a centros de urgência e cirurgia ambulatorial.

Continuidade de Suprimento

Eventos recentes — de desastres naturais e surtos de doenças infecciosas a recalls de produtos e fechamentos de instalações de esterilização — aumentaram a atenção aos desafios incorridos por disrupções na continuidade de suprimento. Diferente da indústria de varejo, onde um backorder é frequentemente apenas um inconveniente, disrupções de suprimento em saúde podem ter consequências graves. Pegue o Furacão Maria como exemplo. Quando a tempestade atingiu Porto Rico, afetou negativamente operações em mais de 50 fabricantes diferentes na ilha, incluindo aqueles que fornecem bolsas de IV. A escassez de bolsas de soro deixou provedores em todos os EUA correndo por alternativas. A organização de compras em grupo, Premier, recentemente pediu à Food and Drug Administration dos EUA para exigir que fabricantes de dispositivos médicos comuniquem potenciais escassezes. IA poderia ser implantada não apenas para ajudar provedores a antecipar backorders e rupturas de estoque, mas também para ajudar fabricantes a reunir dados através de suas cadeias de suprimentos altamente complexas para prever melhor disrupções, tomar ação corretiva, e ajudar seus clientes a identificar alternativas.

Automação de Tarefas

Automação de processo robótico (RPA) é uma forma de IA que está sendo cada vez mais usada na saúde, especialmente ao redor de processamento de sinistros. RPA usa robôs de software para automatizar e padronizar tarefas repetitivas, liberando pessoal para trabalho de maior valor agregado. Para cadeia de suprimentos, RPA está sendo usada para automatizar tarefas de gestão de contratos, como verificação de preços e preenchimento de sistemas de procurement com termos de contrato.

Dependências da IA

Como com muitas novas tecnologias, há considerável entusiasmo sobre o que IA pode fazer para melhorar desempenho clínico, operacional e financeiro, junto com experiência de paciente e clínico. Ao mesmo tempo, há relativamente pouca discussão sobre o que precisa estar no lugar para garantir que a IA cumpra sua promessa.

Uma das áreas mais subestimadas é governança de dados. A beleza da IA é que ela pode analisar grandes quantidades de dados para identificar padrões e correlações ocultas que de outra forma levariam humanos consideravelmente mais tempo para decifrar, se é que o fariam. Também permite que usuários alimentem o motor de IA com uma ampla gama de variáveis, mesmo aquelas que você apenas suspeita que possam ter alguma relação com o problema que está tentando resolver. Mas apesar da sofisticação da ferramenta, o velho ditado — garbage in, garbage out — ainda se aplica. Antes de iniciar uma iniciativa de IA, certifique-se de ter dados suficientes (provavelmente provenientes de diferentes fontes), e que os dados aderem a políticas, padrões, definições e processos de dados bem definidos.

Finalmente, considere em que extensão você quer utilizar IA para aumentar a tomada de decisão, ou seja, se permite que o sistema forneça insights e recomendações enquanto um humano ainda faz a escolha final, ou para automatizar totalmente a tomada de decisão. A magia e mistério da IA é a falta de transparência em como o sistema toma decisões, porque está continuamente aprendendo e mudando como seleciona, pondera e relaciona diferentes variáveis para chegar a conclusões. Só uma vez que você tenha confiança no sistema — especialmente ao lidar com decisões de cuidado ao paciente — deve mover para aplicações de IA nas quais o sistema toma decisões e age sem intervenção humana.

O potencial para IA e machine learning em saúde é inspirador, especialmente ao considerar como aproveitar a riqueza de conhecimento em rápida expansão que é gerada a cada dia. Por outro lado, ainda há muito a aprender sobre como melhor aplicar IA através dos vários aspectos da saúde. À medida que aspiramos a novas alturas, guiados por IA, é importante lembrar a fundação sobre a qual a IA é construída. Suas iniciativas de IA são baseadas em dados precisos, completos, padronizados e normalizados? Se sim, então o céu, aparentemente, é o limite.

Karen Conway é vice-presidente de valor em saúde na GHX.