From Electronic Records to AI-Enabled Workflows: A Scoping Review of Real-World EHR Information Processing in Hospitals and Implications for AI Readiness in China
Esta revisão de escopo utiliza uma abordagem de triagem por agentes de IA para mapear a integração no mundo real do processamento de informações habilitado por IA nos fluxos de trabalho de prontuários eletrônicos hospitalares, destacando que, embora a viabilidade ao nível do processo seja evidente, alcançar valor seguro e alinhar-se às condições de prontidão de IA da China requer verificação humana rigorosa, calibração e interoperabilidade.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Os hospitais de hoje funcionam com um fluxo vasto e contínuo de informações. Cada vez que um médico escreve uma nota, um enfermeiro verifica um sinal vital ou uma máquina processa um resultado de laboratório, esses dados entram em um sistema digital conhecido como prontuário eletrônico de saúde. Durante anos, a promessa da inteligência artificial na medicina foi que os computadores poderiam aprender com esses dados para prever doenças ou sugerir tratamentos. Mas um modelo de computador, por mais inteligente que seja, é inútil se ficar parado em um laboratório enquanto o médico está ocupado tentando encontrar o arquivo de um paciente. O verdadeiro desafio não é apenas construir um algoritmo inteligente, mas sim tecê-lo no fluxo diário e caótico do trabalho hospitalar, para que ele ajude em vez de atrapalhar. Esta é a diferença entre uma ferramenta que funciona no papel e uma ferramenta que funciona em uma sala de emergência movimentada.
Uma equipe de pesquisadores do Hospital Popular de Jiangyin, na China, propôs-se a mapear exatamente como essa integração está ocorrendo no mundo real. Eles não se limitaram a perguntar se a inteligência artificial é boa ou má; em vez disso, examinaram as etapas específicas onde computadores e humanos se encontram. Eles investigaram como esses sistemas lidam com a aquisição de informações, a classificação de dados, a previsão de riscos e a redação final de notas médicas. O objetivo era ver se as condições necessárias para que essas ferramentas funcionem com segurança realmente existem nos hospitais, com um foco especial em como essas condições se comparam ao estado atual dos hospitais na China.
Os pesquisadores começaram reunindo milhares de relatórios de periódicos médicos e registros públicos. Eles utilizaram um método sistemático para filtrar quase 2.300 registros, buscando estudos onde a inteligência artificial era de fato utilizada dentro do sistema de registro eletrônico de um hospital, em vez de ser apenas testada em dados antigos. Eles descobriram que, embora haja um corpo crescente de evidências mostrando que essas ferramentas podem ser integradas, os benefícios são frequentemente sobre velocidade e organização, em vez de melhorias imediatas na saúde do paciente. Por exemplo, em vários estudos, o uso da inteligência artificial reduziu significamente o tempo que médicos e enfermeiros gastavam escrevendo notas ou procurando informações. Um estudo nos Estados Unidos descobriu que, quando os médicos usaram um sistema ambiente que ouvia conversas e elaborava notas para eles, o tempo gasto com documentação caiu quase 30 por cento durante um turno. Da mesma forma, um programa piloto em Taiwan mostrou que os enfermeiros puderam reduzir o tempo gasto em notas de passagem de plantão de mais de três minutos para cerca de um minuto por paciente.
No entanto, os pesquisadores foram cuidadosos ao apontar que economizar tempo não significa automaticamente salvar vidas. As evidências que encontraram sugerem que, embora essas ferramentas tornem o fluxo de trabalho mais fluido, elas ainda não provam que levam a melhores diagnósticos ou menos mortes. De fato, o estudo destaca que uma ferramenta pode ser rápida, mas ainda assim perigosa se não estiver configurada corretamente. Os pesquisadores descobriram que o sucesso desses sistemas depende fortemente de quão bem eles são calibrados para o hospital específico que os utiliza. Um modelo que funciona bem em um hospital pode falhar em outro se os dados forem ligeiramente diferentes ou se os médicos não confiarem nos alertas que ele envia. Em um caso, uma mudança no modelo de computador usado para exibir informações fez com que a precisão da codificação médica caísse drasticamente, de quase 80 por cento para 35 por cento, até que o sistema fosse redesenhado e a equipe fosse treinada novamente. Isso mostra que a tecnologia é frágil e exige supervisão humana constante.
A revisão também analisou a prontidão dos hospitais para adotar essas tecnologias, examinando especificamente a situação na China. Os pesquisadores descobriram que, embora muitos hospitais chineses tenham superado a fase básica de possuir registros digitais, existe uma lacuna significativa entre ter um sistema e ter um sistema que esteja pronto para a inteligência artificial avançada. Dados públicos sugerem que, embora a grande maioria dos grandes hospitais tenha alcançado um nível em que seus registros são digitalizados, muito poucos atingiram os níveis mais altos de maturidade, onde as informações fluem perfeitamente entre diferentes departamentos e apoiam decisões complexas. Os pesquisadores observaram que lacunas persistentes na forma como a informação se move entre os sistemas, frequentemente chamadas de "silos", continuam sendo um grande obstáculo. Sem um fluxo suave de dados, mesmo a inteligência artificial mais inteligente não consegue funcionar adequadamente.
Em última análise, o estudo conclui que o caminho a seguir não é esperar por um algoritmo perfeito, mas sim construir um ambiente confiável para as ferramentas que já possuímos. Os pesquisadores argumentam que, para a inteligência artificial ser segura e útil, os hospitais devem focar nos detalhes da implementação: garantir que os dados sejam precisos, treinar a equipe para confiar e verificar o sistema, e ter regras claras para o que acontece quando o sistema comete um erro. Eles descobriram que as implementações mais bem-sucedidas são aquelas em que a tecnologia é tratada como uma parceira em um processo cuidadosamente gerenciado, e não como uma solução mágica que resolve tudo sozinha. Para a China e para os hospitais de todo o mundo, a lição é que a prontidão para a inteligência artificial não é um interruptor único para ser ligado, mas uma base em camadas que deve ser construída passo a passo, começando pela qualidade dos dados e pela clareza do fluxo de trabalho. Até que essas bases sejam sólidas, o pleno potencial da inteligência artificial na saúde permanecerá fora de alcance, independentemente de quão avançados os modelos se tornem.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.