Aprimorando a regulação de procedimentos médicos a partir da triagem de solicitações
Aprendizado de Máquina, Plano de Saúde, Regulação Médica, Descoberta de Conhecimento em Bases de Dados.
Um dos maiores desafios para a melhoria do serviço de atenção à saúde no Brasil é evitar o desperdício de recursos. A regulação é um dos mecanismos que ajuda a evitar este desperdício por meio da avaliação de solicitações de procedimentos e a não autorização de assistência inadequada. Porém, por se tratar de um processo manual, avaliar todas as solicitações realizadas torna este mecanismo caro de se manter, além de atrasar o acesso do paciente ao tratamento adequado, podendo causar atrito entre reguladores e médicos. Apesar de ser um processo manual, na maioria das operadoras de planos de saúde no Brasil, a regulação já é realizada com o auxílio da tecnologia de informação e, dessa forma, uma variedade de informações encontra-se disponível nos bancos de dados dessas entidades. Tais informações podem servir de insumo para o processo de descoberta de conhecimento em bancos de dados. É importante ressaltar que existem poucos trabalhos na literatura que exploram esses dados com o intuito de melhorar/automatizar o processo de regulação. Este trabalho apresenta uma abordagem para triagem de solicitações de procedimentos médicos, visando potencializar a identificação de solicitações inadequadas, sem comprometer a autorização das solicitações consideradas adequadas. Para isso, técnicas de descoberta de conhecimento em bancos de dados foram utilizadas em sete bases de dados de operadoras de planos de saúde. A abordagem consiste em considerar todas as solicitações como suspeitas de negação, a não ser que o fator preditivo observado para a solicitação esteja acima de um valor de confiança pré-determinado. Dessa forma, apenas solicitações com um nível de confiança muito alto serão consideradas autorizadas. Essa ideia foi aplicada nas bases disponíveis para o estudo e por meio da variação do valor de confiança foi possível manter, em alguns casos, níveis de acerto superiores a 90% em ambos os casos (adequadas e inadequadas). Estes valores demonstram a possibilidade do uso dessa abordagem para semiautomatizar o processo de regulação. Dessa maneira, solicitações podem ser autorizadas com um alto grau de certeza, diminuindo o trabalho nas centrais de regulação, e ainda assim mantendo níveis de acerto e reduzindo a demanda direcionada para reguladores humanos.