Projeto de machine learning coloca o Hospital Mãe de Deus entre as 100 empresas mais inovadoras do país

Usar os dados do passado para atender com mais eficiência e segurança os pacientes no presente. Assim funciona o projeto desenvolvido no Hospital Mãe de Deus, que utiliza o aprendizado de máquina (machine learning) para facilitar e melhorar a operação da Instituição. Além de trazer grandes benefícios para o processo assistencial e para o fluxo, a iniciativa já foi reconhecida externamente.

O HMD foi eleito uma das 100 empresas mais inovadoras no Uso de TI no Brasil pela IT Mídia. O case inscrito foi o do preditor da internação de pacientes atendidos na emergência, e a cerimônia oficial da premiação aconteceu no dia 24 de novembro, com a presença do Chief Information Officer da Aesc, Fabrício Dhein.

O início do projeto

O processo surgiu a partir de uma demanda vinda da área de Gestão de Fluxo, que queria identificar de maneira mais simples quem precisará de  CTI após a realização de cirurgias.

A partir do pedido, a equipe da Tecnologia e Desenvolvimento desenvolveu códigos capazes de analisar as informações de casos antigos presentes no banco de dados do hospital para determinar a probabilidade disso ocorrer para cada paciente. Os resultados auxiliam a equipe assistencial a identificar de forma rápida possíveis necessidades, erros ou problemas.

“Os preditores permitem que eu veja as coisas antes delas acontecerem, auxiliando na construção de um planejamento mais embasado e adequado. Essa é a lógica que a gente quer levar para o Command Center cada vez mais. No passado, nós éramos reativos. Montávamos planos de ação a partir da identificação dos problemas. Hoje, estamos em uma linha proativa, usando o conhecimento do passado para antever”, conta o gerente de Fluxo do HMD, Dr. Marcius Prestes, que participou da criação e implantação das ferramentas que já estão disponíveis e em funcionamento.

“O foco é sempre ser mais eficiente e, para isso, a previsibilidade é importante. Não podemos agir apenas quando não temos mais tempo de mudar. Temos que agir preventivamente”, explica o coordenador de BI e analytics da AESC, Maicon de Freitas.

A proposta é expandir esse trabalho, oferecendo ferramentas similares para apoiar os processos de mais setores na Instituição. Por isso, a equipe do projeto quer ampliar o seu alcance, ouvindo ideias, necessidades e propostas. “Cada um sabe a sua dor e o que pode ser melhorado, automatizado. Como começamos recentemente, essa captação é muito importante. Queremos entender os anseios de cada área para ajudar e facilitar a vida de todos”, enfatiza cientista de dados da AESC, Leonardo Borges.

Conheça os Preditores:

• Internação no CTI Pós-cirurgia: Avalia as chances das cirurgias demandarem internação no CTI. Antes, as enfermeiras de fluxo revisavam cada caso individualmente. Agora, o preditor aponta aqueles que merecem uma atenção especial, reduzindo a chance de erros e permitindo um melhor planejamento para a distribuição dos leitos;
• Jornada do paciente em recuperação pós-operatória: Com o histórico de dados do tempo médio de realização de cada procedimento por cada médico somado ao conhecimento do tipo de anestesia que será utilizado, o preditor avalia quando o paciente precisará de leito disponível. Com isso, é possível organizar a alocação dos espaços de acordo com as prioridades;
• Internação de pacientes atendidos na emergência: Com base nas informações da triagem, exames, procedimentos e medicações solicitados, a ferramenta prevê a probabilidade do paciente em atendimento na emergência precisar de internação, permitindo uma melhor programação e agilidade para disponibilização dos leitos.