Resumo:
O sistema "Fila Virtual", desenvolvido pela consultoria A3Data para a rede hospitalar Mater Dei, utiliza inteligência artificial para prever o tempo de espera em prontos-socorros e permitir que pacientes com sintomas leves aguardem em casa. A ferramenta integra dados operacionais e históricos para atualizar a previsão em tempo real, reduzindo em até 60% o tempo de permanência nas unidades. Recentemente lançado no marketplace da Amazon Web Services (AWS), o serviço agora está disponível para outras instituições de saúde.
Tópicos abordados:
* Empresa: A3Data e rede hospitalar Mater Dei (além da Amazon Web Services / AWS).
* Produto: Fila Virtual.
* Tecnologia: Inteligência artificial preditiva.
* Tendência: Transformação digital e otimização de processos no setor de saúde.
A IA que pode fazer você esperar menos tempo no pronto-socorro
Ferramenta Fila Virtual prevê prazo até o atendimento, permite acompanhar as senhas pelo celular e agiliza trabalho das equipes antes da chegada do paciente
Não sei você, mas eu considero ir ao pronto-socorro uma das coisas mais insuportáveis da vida contemporânea. A gente sai de cabeça sabendo que vai ter fila, demora, perrengue – e o fato de encarar tudo isso sentindo dor ou desconforto não ajuda em nada, é ou não é?
Ainda bem que tem IA para isso. Ontem eu fiz texto falando que inteligência artificial sem critério complica a vida das empresas, então hoje cheguei com um exemplo bacana da aplicação de tecnologia. É o Fila Virtual, sistema desenvolvido pela consultoria A3Data para a rede hospitalar Mater Dei.
Funciona assim: o paciente (com sintomas leves, naturalmente) entra na fila antes de sair de casa. Vai monitorando o tempo de espera e se programa para chegar ao PS mais perto do momento necessário. Quando chega à instituição, a equipe de assistência já tem acesso à queixa a queixa estruturada pela IA. Com isso, a rede reduziu em 60% o tempo de permanência dos pacientes nas unidades de pronto-socorro
Já utilizada em unidades da Mater Dei em Minas Gerais e na Bahia, a Fila Virtual acaba de ser lançada oficialmente para o mercado, disponibilizada no marketplace da Amazon Web Services (AWS) para adoção por outras instituições de saúde.
Na entrevista a seguir, Luciana Lima, executiva da A3Data conta mais sobre o serviço.
VEJA: Uma IA que pode reduzir espera no pronto-socorro parece algo bem útil. Como funciona?
Luciana Lima: Ela estima quanto tempo falta até o atendimento de cada paciente, por especialidade e unidade. O modelo parte do histórico de atendimentos, do dia, do horário, da sazonalidade e do clima, e corrige a previsão a cada movimento da fila real, considerando quem está de fato à frente do paciente. Ela não decide quem é atendido primeiro: a ordem continua sendo definida pela classificação de risco feita pela equipe do hospital.
A pessoa está em casa se sentindo mal, e entra no portal do Mater Dei. O que acontece daí até ser atendida?
O paciente acessa a Fila Virtual pelo site ou app da Mater Dei, informa dados necessários e indica se tem direito a atendimento preferencial. Vê a previsão de espera e, se aceitar, recebe a senha para acompanhar o tempo estimado, que se atualiza conforme a fila anda.
Daí calcula que horas deve sair de casa, imagino.
O ideal é chegar cerca de dez minutos antes de o tempo zerar. Há 30 minutos de tolerância antes de a senha ser cancelada automaticamente. No hospital, faz o check-in num totem, passa pela triagem, como aconteceria mesmo sem IA e aguarda o médico.
O que tem de economia de tempo nesse processo?
Com a IA, o paciente pula a etapa de cadastro inicial na recepção, que pode chegar a 60% do tempo de espera.
Quem avalia se a pessoa pode esperar em casa ou precisa ir imediatamente ao hospital?
A IA não analisa sintomas nem diz ao paciente que ele está seguro para esperar, e fazemos questão de deixar isso claro. O serviço informa a espera prevista e dá ao paciente a escolha de aguardar em casa. A avaliação clínica só acontece na triagem, feita pela equipe do hospital com a classificação de risco de sempre.
O que a IA precisa saber para calcular o tempo de espera? Ela considera os sintomas do paciente, a quantidade de médicos disponíveis e os atendimentos em andamento?
O cálculo não usa os sintomas do paciente. Ele usa dados operacionais: a fila do pronto-socorro (senha, chamada, alta e classificação de risco), o histórico de atendimentos por especialidade, o calendário com feriados e dias da semana, o horário e o clima. O número de médicos em plantão entra de forma indireta, porque o histórico já reflete o ritmo real de atendimento.
Por que esse cálculo precisa de inteligência artificial? O que ela consegue fazer que um sistema comum de senhas não conseguiria?
Uma senha comum diz a posição na fila, mas não diz quanto tempo isso significa. A espera real muda com o dia, o horário, a estação do ano e com a chegada de casos mais graves, que passam à frente. Um modelo estatístico aprende esses padrões no histórico do próprio pronto-socorro e recalcula a estimativa a cada movimento da fila. Vale ser preciso: não é IA generativa nem um sistema que “entende” o paciente, é previsão de um modelo de Machine Learning.
Com que frequência a previsão de espera acerta? Quando chega uma emergência e a fila muda, como vocês avisam quem está esperando em casa?
Medimos a acurácia a partir do erro médio, em minutos, entre o tempo informado e o real, por especialidade. Sobre mudanças na fila, o tempo exibido ao paciente é calculado continuamente, e ele é avisado desde o início de que a espera pode aumentar se chegarem pacientes prioritários ou de maior risco.
Se o paciente piorar enquanto aguarda, que orientação ele recebe? Há uma equipe disponível para ajudá-lo?
A Fila Virtual não faz monitoramento clínico remoto, e por isso a orientação é simples: quem piorar não deve esperar, deve ir imediatamente ao hospital, onde será classificado por risco. A senha não impede ninguém de chegar antes do previsto.
Que informações dos pacientes são usadas para treinar a IA e quem tem acesso a esses dados?
O modelo é treinado com dados operacionais do próprio pronto-socorro: histórico de atendimentos por especialidade e unidade, eventos da fila como senha, chamada, alta e classificação de risco, calendário e clima. Ele prevê um tempo de espera por especialidade e não monta perfil clínico do paciente nem usa sintomas.
───────────────────────────────────────────────
Alvaro Leme é doutorando e mestre em Ciências da Comunicação pela ECA-USP, jornalista e criador do podcast educativo Aprenda
Meridiano
