Busca avançada
Ano de início
Entree

Clarity Healthcare Intelligence: gerenciamento de saúde populacional baseada em inteligência artificial - otimização na predição de risco e manejo da doença arterial coronária e de resultados pós-operatórios

Processo: 19/09068-3
Linha de fomento:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Vigência: 01 de junho de 2021 - 28 de fevereiro de 2022
Área do conhecimento:Ciências da Saúde - Saúde Coletiva - Medicina Preventiva
Pesquisador responsável:Luiz Sérgio Fernandes de Carvalho
Beneficiário:Luiz Sérgio Fernandes de Carvalho
Empresa:Clarity Healthcare Desenvolvimento de Software Ltda
CNAE: Atividades de consultoria em gestão empresarial
Atividades de serviços de complementação diagnóstica e terapêutica
Atividades de apoio à gestão de saúde
Município: Jundiaí
Pesquisadores principais:
Marta Duran Fernandez
Pesq. associados: Bernardo Trindade ; Mauricio Daher Andrade Gomes ; Rebeca Gouget Sérgio Miranda
Bolsa(s) vinculada(s):21/08602-6 - Gerenciamento de Saude Populacional: Desenvolvimento de Sistema Computacional de Analise Semiautomatizada para Estimar o Risco de Saude Individual e Seus Custos Futuros, BP.TT
21/08601-0 - Gerenciamento de Saude Populacional: Desenvolvimento de Sistema Computacional de Analise Semiautomatizada para Estimar o Risco de Saude Individual e Seus Custos Futuros, BP.TT
21/08970-5 - Gerenciamento de Saúde Populacional: Desenvolvimento de Sistema Computacional de Análise Semiautomatizada para Estimar o Risco de Saúde Individual e Seus Custos Futuros, BP.TT
Assunto(s):Atenção à saúde  Doença da artéria coronariana  Gestão da informação em saúde  Dados clínicos  Modelos preditivos  Inteligência artificial 

Resumo

Frente à finitude dos recursos e à brutal dissipação de gastos relacionados a saúde (>20% do volume de recursos), métodos de gestão da saúde populacional têm se tornado populares mundialmente e inserem-se na vanguarda do cuidado sustentável à saúde. Usando modelos preditivos para custos futuros baseados em dados clínicos é possível identificar os indivíduos de mais alto risco e deflagrar medidas intensivas de prevenção e promoção da saúde, com o alvo de reduzir as chances de hospitalização, reduzir custos e ampliar a longevidade. Mais de 20 empresas no mundo têm ações dedicadas à gestão de saúde populacional (Population Health Management [PHM]); porém, sua presença é muito tênue no Brasil. Apesar da variedade de modelos preditivos de riscos individuais e custos futuros, os modelos consagrados têm baixas taxas de acerto (não superiores a 78-82%). Isto é, ~20% dos pacientes são inapropriadamente engajados em abordagens mais intensivas ou não são identificados para tais abordagens, o que reduz a eficiência das ações em PHM. Para que estratégias preventivas em saúde produzam resultados custo-efetivos, é fundamental que se sustentem sob 3 pilares: (i) segmentação/estratificação; (ii) coordenação do cuidado; e (iii) inteligência analítica. Falhas em qualquer dos 3 pilares geram ineficiência e desperdício. Dados prévios de nosso grupo sugerem que técnicas de aprendizado por máquinas não apenas estratificam subpopulações de mais alto risco de adoecer, mas também apontam pacientes com alta carga de fatores de risco modificáveis e não controlados. Com o objetivo de antever os custos futuros e as necessidades de cuidados de populações mais vulneráveis, propomos estudar amiúde os determinantes de saúde em dois contextos de alto custo real: reinternações, diálise e mortes em pacientes com (i) doença arterial coronária (DAC); e (ii) em pré-operatório (PrOp). Em pacientes com DAC analisaremos 4 bases de dados brasileiras e para PrOp teremos acesso a uma larga base de dados nacional. Usando ferramentas estado-da-arte em estatística preditiva: (i) selecionaremos preditores por técnicas de aprendizado supervisionado; (ii) construiremos modelos de predição para risco de hospitalização, insuficiência renal e morte, (iii) estabeleceremos modelos de predição para custos futuros. Com isto, produziremos o protótipo de sistema computacional (Clarity HI Soft) que: (a) estime o risco em saúde em tempo real; (b) estime custos futuros; (c) inclua plataformas de visual analytics para pacientes e gestores. Este sistema será configurado para aplicação em outras bases de dados, como dados comunitários do Sistema Único de Saúde (SUS) e dados de planos de saúde privados. As análises propostas darão subsídio a um diagnóstico de saúde populacional mais preciso, permitindo identificar os indivíduos de maior risco de saúde e aqueles com maior chance de implicar em custos aumentados nos anos futuros. Estas estimativas são o elo fundamental para oferecer serviços de gestão de saúde populacional [Population Health Management (PHM)], o nicho de mercado da Clarity Healthcare Intelligence. Esperamos ainda produzir patente para o Clarity HI Soft, estabelecer estratégias de governança em torno do uso de dados e resultados analíticos, assim como operacionalizar análises e incorporar lições do mundo real. Impactos nos negócios da empresa e no mercado. A Pesquisa Inovativa permitirá à Clarity Healthcare Intelligence introduzir um modelo de PHM com alta acurácia preditiva, levantando dados de utilidade em saúde pública e epidemiologia de doenças crônicas. A otimização do processo de análise de dados tornará a empresa altamente competitiva no mercado de PHM. A interação com bases de dados brasileiras (um fato inédito), colocará a empresa à frente dos competidores nas negociações com planos de saúde e gestores do SUS. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)