The development and implementation planning of an AI-powered Palliative Care Assessment Tool (PCAT) for aged care: a Triple C model approach

Nos corredores silenciosos das instituições de cuidados residenciais para idosos, um desafio crítico muitas vezes passa despercebido até que seja tarde demais. Muitos residentes idosos vivem com condições que, eventualmente, encurtarão suas vidas e, para esses indivíduos, o objetivo do cuidado muda de curar a doença para garantir conforto, dignidade e qualidade de vida. Essa abordagem é conhecida como cuidados paliativos. Idealmente, esse suporte começa cedo, permitindo que as famílias e as equipes médicas gerenciem os sintomas e planejem o futuro enquanto a pessoa ainda está bem o suficiente para participar das decisões. No entanto, na realidade agitada dos lares de idosos, essas necessidades são frequentemente identificadas tardiamente. Os membros da equipe, muitas vezes sobrecarregados e gerenciando agendas complexas, podem perder os sinais sutis de que um residente está entrando em uma fase em que o suporte especializado é necessário. Embora médicos e enfermeiros utilizem há muito tempo listas de verificação e perguntas estruturadas para detectar essas necessidades, essas ferramentas dependem de um ser humano se lembrar de usá-las no momento certo e geralmente focam em uma pessoa de cada vez, em vez de olhar para toda a comunidade de residentes.

Para resolver isso, pesquisadores começaram a explorar como a inteligência artificial — computadores que podem aprender com dados para reconhecer padrões — poderia ajudar. A ideia não é que uma máquina substitua o julgamento de um médico, mas que atue como um assistente incansável que varre as informações de cada residente todos os dias, sinalizando aqueles que podem precisar de uma revisão. Este artigo descreve a criação cuidadosa de tal ferramenta, chamada Palliative Care Assessment Tool, ou PCAT, projetada especificamente para o cuidado de idosos em Victoria, Austrália. A equipe não simplesmente construiu um software e esperou que funcionasse; eles seguiram um roteiro específico e centrado no ser humano chamado modelo Triple C. Essa abordagem prioriza conversar com as pessoas que realmente usarão o sistema, trabalhando juntas para moldar o design e garantindo que a ferramenta possa sobreviver e prosperar no mundo real muito depois que o financiamento inicial do projeto terminar. O resultado é um sistema digital que está pronto para ser testado, construído sobre uma base de segurança e praticidade, em vez de apenas capacidade técnica.

A jornada começou com uma pergunta simples, mas difícil: como construir uma ferramenta digital que se encaixe no ritmo caótico e de alta pressão de um turno em um lar de idosos? Os pesquisadores sabiam que, se a ferramenta fosse muito complicada ou atrasasse o trabalho da equipe, ela seria ignorada. Eles começaram reunindo um grupo amplo de pessoas, incluindo enfermeiros, gestores de lares de cuidados e especialistas em cuidados paliativos, para uma série de seis conversas estruturadas. Estas não foram entrevistas formais, mas workshops colaborativos onde a equipe ouviu as lutas diárias da equipe de trabalho. Eles aprenderam exatamente onde estavam as lacunas no cuidado atual, o que impedia a identificação precoce das necessidades e onde um alerta digital precisaria aparecer para ser visto e colocado em prática. Esta fase, conhecida como consulta, garantiu que a ferramenta fosse desenhada em torno da realidade do trabalho, e não de uma versão idealizada dele.

Uma vez que os problemas foram claramente definidos, a equipe passou para a fase de colaboração. Aqui, o foco mudou para transformar essas percepções em um design funcional. Os pesquisadores trabalharam de perto com a equipe técnica para construir um sistema que pudesse pegar a lógica complexa das diretrizes médicas existentes e traduzi-la em uma interface simples e clara. Um princípio fundamental era que a ferramenta nunca deveria remover a capacidade do humano de dar a palavra final. O sistema foi projetado para oferecer uma classificação de risco — uma indicação simples de quão provável é que um residente precise de suporte paliativo — mas sempre incluía um caminho claro para um clínico anular essa sugestão caso seu próprio julgamento profissional fosse diferente. Este recurso de "humano no controle" foi crucial, garantindo que a tecnologia apoiasse, em vez de ditar o cuidado.

Antes que a ferramenta pudesse sequer ser apresentada a um paciente ou usada em um lar de idosos real, a equipe submeteu-a a uma verificação de segurança rigorosa conhecida como avaliação heurística. Este é um método onde especialistas revisam um sistema contra princípios estabelecidos de segurança e usabilidade, procurando por potenciais armadilhas antes que causem danos. A avaliação revelou vários problemas críticos que precisavam de correção. Por exemplo, o design inicial permitia que um usuário deletasse acidentalmente o registro de um residente, um risco que foi imediatamente removido. A equipe também descobriu que o sistema às vezes mostrava uma classificação de risco que contradizia a ação recomendada, o que poderia confundir um enfermeiro cansado. Eles também notaram que a ferramenta não explicava o porquê de ter dado determinada classificação, o que tornava difícil para a equipe confiar no conselho.

A equipe abordou essas questões com mudanças específicas e práticas. Eles adicionaram um recurso de "por que esta classificação?" que explica o raciocínio por trás da sugestão do computador em linguagem simples. Introduziram um indicador visual para mostrar se a condição de um residente estava piorando, permanecendo igual ou melhorando, ajudando a equipe a ver a tendência ao longo do tempo. Para reduzir a carga mental dos enfermeiros, a ferramenta foi reorganizada para mostrar primeiro os residentes mais urgentes, em vez de listá-los alfabeticamente, e foi programada para ocultar gatilhos que não se aplicavam a uma pessoa específica. A cor foi combinada com texto e ícones para que o significado fosse claro mesmo se alguém não conseguisse distinguir as cores. Talvez o mais importante, eles integraram um caminho documentado para um clínico discordar do sistema, garantindo que a decisão final sempre repousasse em um profissional humano.

O artigo conclui delineando como esta ferramenta está agora preparada para um teste em etapas em vários locais de cuidados de idosos. Os pesquisadores planejam introduzir a ferramenta para a equipe de enfermagem, que a utilizará como parte de sua rotina diária normal, começando com um pequeno grupo de residentes. O objetivo desta próxima fase não é provar que a inteligência artificial é perfeita, mas sim ver se a ferramenta é utilizável, aceitável e viável no mundo real. Os autores são cuidadosos ao afirmar que este artigo cobre apenas as etapas de design e preparação; os resultados reais do teste, incluindo se a ferramenta melhora o cuidado com sucesso, serão relatados em um estudo futuro. Ao antecipar o trabalho de ouvir os usuários e corrigir problemas de segurança, a equipe criou um sistema que está pronto para o mundo real. Este método sugere que, para a tecnologia ter sucesso na saúde, ela deve ser construída com o mesmo cuidado e atenção às necessidades humanas que os tratamentos médicos que ela apoia. O sucesso de tal ferramenta depende menos da sofisticação de seu código e mais de sua capacidade de se integrar perfeitamente às vidas das pessoas que a utilizam, garantindo que nenhum residente seja negligenciado simplesmente porque o sistema era difícil demais para ser usado.