A entrada da IA (Inteligência Artificial), agora muito aprimorada pela nova geração de modelos de linguagem natural e visão computacional, trouxe grandes avanços à saúde. Ferramentas já oferecem suporte à decisão clínica com apoio da IA, compilando dados e indicando caminhos aos médicos, por exemplo. A junção de informações relevantes melhora a prestação de cuidados médicos e ainda ajuda a reduzir custos – e, consequentemente, os preços – dos planos de saúde.
“Os LLMs, do inglês ‘Large Language Models’ – demonstraram serem sumarizadores de textos de excelência. São excelentes ferramentas de apoio para obter melhores informações de saúde, refinar bases de dados e trabalhar com documentos clínicos, algo essencial na hora de calcular os preços dos planos de saúde”, afirma Guilherme Zwicker, CMIO (Chief Medical Information Officer) da CTC.
Ele aponta que a IA generativa ainda entra em um assunto problemático na área médica, as chamadas terminologias controladas, ou ontologias. Diversas nomenclaturas representam conceitos do mundo real e são imprescindíveis para a camada de digitalização na saúde, exercem várias finalidades e precisam ser ligadas. A CID-10 (Classificação Internacional de Doenças), por exemplo, tem um foco definido e, por exemplo, não contempla classificação de procedimentos na saúde.
Isso mostra a dificuldade de unir conceitos do mundo real com a camada digital. Por muitos anos, foi necessário o uso de profissionais dificilmente encontrados e subvalorizados, os chamados terminologistas. “A IA fará parte do papel do raro terminologista – criará o rigor da classificação das entidades. Se não for estabelecido, com muito controle, o que se quer falar, a informação perde valor e se torna a chamada “informação-lixo” dentro do processamento de linguagem natural. Os planos querem saber em detalhes o que se passa com o paciente, e precisam do uso correto de boas terminologias”, diz o diretor.
Auditoria eficiente
As operadoras dos planos de saúde vivem correndo contra o tempo para determinar se um procedimento será ou não aceito, pois, nos casos em que elas perdem o prazo, o tempo de análise vence e eles são automaticamente realizados. “Há uma pressão para fazer com que os sistemas sejam mais eficientes, e a automação pode aumentar a resolução de casos a tempo”, explica Zwicker.
Apontar fontes de desvio (especialmente nas questões de fraudes, como casos de falsidade ideológica) já é possível com o uso da IA, que tem performance parecida com a dos seres humanos ao calcular subsídios para o pagamento de um sinistro. Sistemas de automação promovem o maior rigor do contexto assistencial, antes ignorado, e beneficiando a prestação de cuidados médicos.
“O plano de saúde é uma caixa financeira, com um propósito de entregar cuidado por meio de algumas regras. Existem equipes caras, de auditores médicos ou de enfermagem, para apontar qual o impacto financeiro. Ao alocar as informações é possível estimar, dentro de determinada faixa, o quanto você deve gastar com essa assistência ou prevenção. São focos de auditorias médicas direcionados ao próprio trabalho do editor e de questões amplas do que está acontecendo no processo de adoecimento das pessoas”, aponta.
Não é de hoje que as máquinas apresentam um desempenho superior e grande acurácia. Desde a década de 1970, a automação é utilizada para derrubar fatores que ainda inflacionam os custos, com sistemas que olham a árvore de decisão. 10 anos depois, sistemas de especialistas apareceram a fim de auxiliar nesta tomada em algumas áreas, que já mostram um desempenho melhor a de seres humanos, em tarefas específicas.
“Contudo, o aumento da capacidade computacional e a entrada do deep learning promove um rearranjo nas técnicas a partir de 2012. A melhora de desempenho foi significativa no processo de linguagem natural e a visão computacional. Campos que eram obscuros se abriram”, finaliza o especialista.
*Informações Assessoria de Imprensa
Confira mais notícias de Negócios & Mercado no Saúde Debate