07 / Agosto / 2018

Como transformar dados de medicina diagnóstica em insights de negócios

RIS e PACS

Cuidados no armazenamento, padronização de imagens, laudos e planilhas e uso de ferramentas de inteligência como Business Intelligence, analytics e big data auxiliam gestores na tomada de decisão

 

O volume de dados gerados em centros de medicina diagnóstica diariamente é enorme. São imagens, laudos de exames, reconstruções em 3D, e outros arquivos advindos do Sistema de Comunicação e Arquivamento de Imagens (Picture Archiving and Communication System – PACS) e do Sistema de Informação em Radiologia (Radiology Information System – RIS). Para que façam a diferença na melhoria da qualidade da assistência e nos resultados financeiros, precisam ser trabalhados com foco em inteligência de negócios.

“O aprimoramento das plataformas, como ocorreu, por exemplo, com a tomografia computadorizada multislice (multifatias), resultou no aumento exponencial de informações disponíveis em cada exame e a consequente necessidade de evolução também na forma de manipulação e armazenamento desses dados”, contextualiza Rogério Caldana, gestor médico do centro diagnóstico do Fleury Medicina e Saúde. 

Garantir informações de relevância para o negócio começa no armazenamento. Os dados devem ser organizados de forma estruturada e a partir de uma linguagem padronizada, o que facilita a pesquisa, manipulação e o cruzamento de informações, explica Caldana. Um exemplo é o padrão Comunicação de Imagens Digitais em Medicina (Digital Imaging and Communications in Medicine - Dicom) para as imagens de exames radiológicos, formado por um conjunto de normas estruturadas em um protocolo.

Para analisar os dados, Caldana indica ferramentas de inteligência de negócios, tais como Business Intelligence (BI) e analytics, que fornecem insights para busca de mais eficiência, qualidade, segurança ou qualquer outro aspecto que impacte no atendimento aos pacientes. “Atualmente, a evolução dos programas para algoritmos analíticos avançados permite a análise também de dados com pouca ou nenhuma estruturação, com potencial de aprofundar ainda mais as análises ou perspectivas de insights.” Ele cita o uso de big data, que fornece indícios de novas tendências de mercado, comportamento e expectativas de pacientes e ainda orienta o uso de novas medicações ou aspectos pouco conhecidos das doenças da população.

 

Futuro

Com a inteligência artificial e o aprendizado das máquinas (machine learning), as possibilidades crescem exponencialmente. No futuro, a troca de informações irá ultrapassar milhões por segundo, com a colaboração de uma rede mundial de inteligências artificiais interligadas pelo armazenamento em nuvem.

Tecnologias como big data, internet das coisas (IoT, ou Internet of Things), neurohacking, prototipação 3D, nanotecnologia, deep learning, cloud computing, entre outras que poderão ser incorporadas aos sistemas, irão desempenhar boa parte das funções que humanos desempenham atualmente. O médico radiologista terá funções menos repetitivas e mais ligadas à tomada de decisão - no caso, sobre o diagnóstico do paciente. A evolução dos equipamentos inclui a inserção da inteligência artificial e uma maior precisão do escaneamento humano, proporcionando diagnósticos com mais exatidão e rapidez - e também maior volume de dados que poderão se transformar em insights.

Caldana enfatiza que, diante de tantas mudanças proporcionadas por essa transformação digital na medicina diagnóstica, o objetivo maior dos gestores é manter o foco no paciente, proporcionando atendimento com mais segurança, qualidade, agilidade e acolhimento das expectativas.

eBook: Guia definitivo da Radiologia Digital

eBook: Guia definitivo da Radiologia Digital

Baixar eBook