Com mais de 30 anos de fundação, a Afip Medicina Diagnóstica iniciou, em 2019, um projeto para otimizar seus processos com uso de inteligência artificial, trazendo resultados mais rapidamente e com mais segurança para pacientes do SUS e da saúde suplementar.

A maior rapidez nos resultados e a redução de possibilidade de erro humano permite maior agilidade nas decisões relacionadas à saúde do paciente, seja por início ou manutenção de um tratamento.

“Além de auxiliarem nos processos, as ferramentas de IA são importantes na decisão clínica e consequentemente melhor desfecho ao paciente”, comemora Debora Ramadan, diretora Técnica da Afip Medicina Diagnóstica.

Resultados alcançados

“Neste projeto, considerando apenas o exame Urina tipo I, observou-se um aumento na pontualidade de entrega dos laudos de 8,4% mesmo com um aumento de 5,2% do volume total produzido. Além disso, para esse mesmo exame, houve uma redução de 91,2% na quantidade de erros detectados antes do resultado ser disponibilizado para o paciente (near miss)“, diz Ana Carolina Bandeira, coordenadora da área de Qualidade Analítica da Afip.

Para o exame de Urina tipo I, a Afip já utilizava IA em seu processo, mas foi feita a otimização das regras para avaliação automatizada. Para exames que, antes, não contavam com o auxílio da IA, foi possível observar taxas de 60% a 90% de liberação automática na rotina, de acordo com as características de cada exame e ferramentas utilizadas para construir os algoritmos de liberação.

Além desses exemplos, a Afip Medicina Diagnóstica também utiliza IA, mais especificamente, machine learning (aprendizado de máquina), nos exames de sequenciamento de nova geração (NGS), oferecendo aos clientes o que há de mais atual em tecnologia de ponta.

 

Ana Carolina explica que há também campos emergentes, como o uso de IA para interpretação de exames genéticos, correlacionando os achados com o que há de mais atual na literatura (como nos exames de sequenciamento de nova geração – NGS e exoma), microscopia computadorizada combinada com reconhecimento de imagens entre outros dados.

Os laboratórios clínicos geram uma quantidade significativa de dados importantes. Estima-se que cerca de 60% a 70% das decisões médicas baseiam-se em exames laboratoriais. Porém, esses dados são poucos explorados de forma sistêmica ou com a utilização de ferramentas de inteligência artificial.

IA no diagnóstico: passo a passo

Participam do processo de implantação da IA profissionais da tecnologia da informação, equipe laboratorial, médicos e gestores, entre outros. Dessa forma, todos os aspectos técnicos, clínicos e de processos podem ser avaliados.

O time define, em conjunto, os exames contemplados, os pontos de tomada de decisão e as regras a serem aplicadas. Em seguida, deve avaliar a capacidade do sistema de suportar a regra determinada, a estimativa de ganho operacional e os riscos inerentes à lógica definida.

Para o sucesso da operação, o passo seguinte é que o cenário seja configurado e testado em ambiente de homologação, sem impacto à rotina de pacientes. Uma vez reavaliados todos os aspectos com os dados simulados em ambiente teste, é possível autorizar a aplicação da lógica em ambiente de produção com segurança.

Uma  lógica em uso para avaliação de resultados de exames laboratoriais é a lógica Fuzzy. Em linhas gerais, essa lógica simula a experiência humana em que a avaliação de um parâmetro depende da “comparação” com outro parâmetro. No laboratório clínico, um exemplo da aplicação dessa lógica é quando a avaliação do resultado de um exame depende do resultado de outro exame correlacionado, por exemplo: exames dentro de um perfil  tais como perfil hepático, tireoidiano, entre outros, ou mesmo exames confirmatórios.

Outro tipo de algoritmo muito utilizado é o delta check. Nessa modalidade, calcula-se a diferença entre o resultado atual de um exame com o resultado anterior para um mesmo paciente. Se a diferença estiver dentro de um intervalo previamente definido, considera-se o resultado confiável para liberação no laudo final. O delta check é aplicável a um número limitado de exames que têm por característica serem exames de acompanhamento, cuja variação não é esperada ao longo do tempo. Contudo, é uma ferramenta importantíssima na prevenção de erros aleatórios inerentes ao processo.