O burnout está aumentando na área da saúde. A IA pode ajudar a aliviar a carga?

abr 26, 2022 - Tempo de leitura previsto: 4-6 minutos

Após uma longa prolongada com a pandemia da Covid-19, os prestadores de serviços de saúde enfrentam agora a próxima crise que vem se anunciando: escassez de pessoal e uma força de trabalho cada vez mais exausta. No início de 2022, quase um em cada dois (47%) profissionais de saúde relataram sintomas de burnout, acima dos 42% do ano passado [1]. Muitos consideram deixar a área, aumentando as preocupações dos empregadores que enfrentam uma crescente demanda por cuidados sem o efetivo necessário para atender aos seus pacientes no leito [2]. Poderia a IA fazer parte da solução, ajudando os profissionais de saúde a recuperar o bem-estar no trabalho?

Staff burnout in healthcare is growing. Can AI help ease the burden?

Os sinais de uma crise de burnout pendente já existiam antes que a Covid-19 causasse estragos nos sistemas de saúde em todo o mundo. E as causas são mais profundas do que o estresse infligido pela pandemia. Em muitos aspectos, os últimos dois anos têm exacerbado o um velho problema para os profissionais da área: a repetição de tarefas rotineiras, uma crescente quantidade de dados que os deixa lutando por insights relevantes, e a frustração generalizada sobre as ineficiências do fluxo de trabalho que atrapalham o atendimento aos pacientes. Como expressou um médico na pesquisa Medscape Physician Burnout and Depression survey, de 2022: “Onde estão as relações com pacientes que faziam tudo isso valer a pena?” [3].

Os serviços de saúde enfrentam êxodo de pessoal


Não deve ser surpresa, então, que a saúde tenha estado entre os três principais setores impactados pelo fenômeno chamado de "Grande Demissão", com muitos profissionais da área deixando seus empregos para encontrar um melhor equilíbrio entre trabalho e vida pessoal.[4]. E para as organizações de saúde que enfrentam um aumento da rotatividade, o pior pode ainda estar por vir. De acordo com um novo estudo da American Medical Association, um em cada cinco médicos e dois em cada cinco enfermeiros pretendem deixar seu local de atendimento atual dentro dos próximos dois anos [5].

Como resultado, a escassez de pessoal é hoje a principal dos executivos de hospitais dos EUA [6]. Outros países ao redor do mundo – do Reino Unido e da Alemanha a Cingapura e Austrália – têm experimentado um êxodo semelhante de profissionais de saúde, alimentando temores sobre o potencial impacto na qualidade dos cuidados [7,8,9,10].

Simplificando fluxos de trabalho através da automação baseada em IA


O que estamos testemunhando é um aumento da urgência de libertar os profissionais de saúde da tensão de tarefas tediosas e repetitivas, para que eles possam se concentrar no que os atraiu à medicina antes de tudo: cuidar dos pacientes. É exatamente aí que a IA pode ajudar. Ao transferir o fardo do tedioso trabalho manual de humano para máquina, a IA permite que os profissionais de saúde dediquem seu tempo e energia ao paciente em vez de processos complicados.

Veja os tecnólogos de imagem médica, por exemplo. Classificada em 2º lugar  como a profissão com a maior escassez de pessoal qualificado [11], os tecnólogos enfrentam diariamente o desafio de obter imagens da melhor qualidade, sem margem para erro, e apontam a alta carga de trabalho como o principal fator para o estresse relacionado ao trabalho [12]. Os pacientes também estão frequentemente ansiosos, o que aumenta a pressão sobre os tecnólogos para que o exame seja feito de forma eficaz. A variabilidade nos níveis de treinamento e experiência da equipe pode impactar ainda mais os resultados.

Ao automatizar muitas das tarefas demoradas que os tecnólogos tradicionalmente tinham que realizar manualmente, podemos liberar seu foco para interagir com o paciente, ao mesmo tempo em que melhoramos a consistência dos resultados ao mesmo tempo.  Pesquisas mostram que a equipe de imagem é bastante receptiva ao uso da tecnologia – eles acreditam que quase um quarto (23%) de seu trabalho é ineficiente e poderia ser automatizado [13].

CT positioning

Um bom exemploe é acertar a posição do paciente para um exame. Em uma modalidade de imagem como a TC, o mau posicionamento do paciente é um desafio comum, com consequências indesejadas, como o aumento da dose de radiação para o paciente ou o ruído da imagem [14]. É aí que a nova tecnologia de câmera ativada por IA pode fazer a diferença. Montada no teto acima da mesa do paciente, a câmera usa algoritmos que podem detectar automaticamente os pontos anatômicos do paciente, ajudando a obter um posicionamento rápido, preciso e consistente do paciente.

A tecnologia inteligente e sem contato de sensoriamento do paciente também economiza o trabalho manual dos tecnólogos em imagens de RM, onde é possível monitorar automaticamente a respiração de um paciente – permitindo a configuração de exames de RM de rotina em menos de um minuto [15], mesmo para operadores menos experientes, enquanto os ajuda a manter um olho atento no paciente.  Além disso, os sistemas inteligentes habilitados para IA podem sugerir o protocolo mais apropriado para cada exame de RM, bem como automatizar o planejamento, a varredura e o processamento do exame.
 
Graças a essa automação baseada em IA, os tecnólogos têm que se preocupar menos com a configuração do equipamento e podem dedicar mais atenção ao paciente, tornando seu trabalho menos estressante e mais gratificante.

Fornecendo insights relevantes em escala no ponto de atendimento


Diante da crescente sobrecarga de informações, a IA também pode aliviar a carga sobre os profissionais de saúde, apoiando-os com insights relevantes no ponto de atendimento.

Por exemplo, um dos maiores desafios enfrentados pelas equipes de terapia intensiva (UTIs) é o enorme volume de dados coletados sobre cada paciente. Cada paciente na UTI pode gerar até milhares de pontos de dados por dia, deixando médicos e enfermeiros se sentindo sobrecarregados enquanto lutam para separar o sinal do ruído [16].

Usando a análise preditiva, podemos ajudar as equipes de cuidados críticos a cortar a bagunça, alertando-as sobre as tendências relevantes dos dados dos pacientes que exigem intervenção urgente, ou que podem indicar que um paciente está pronto para ser transferido para um ambiente de menor acuidade. O médico ou enfermeiro permanece no controle de todas as decisões. Mas com o apoio da IA, eles podem ser capazes de tomar essas decisões mais facilmente.

Insights

No futuro, as soluções de monitoramento de pacientes com AI serão cada vez mais estendidas do hospital para o lar, permitindo que os prestadores de serviços de saúde vigiem os pacientes e, assim, evitem (re)internações hospitalares evitáveis. Isso poderia aliviar parte da pressão sobre as equipes de emergência e cuidados críticos, ao mesmo tempo em que dava aos pacientes maior tranquilidade no conforto de suas casas.

A necessidade de uma IA centrada no ser humano


Naturalmente, a tecnologia só pode ser uma parte das estratégias eficazes de retenção de pessoal e de mitigação da queima. Mas, como estes e outros exemplos demonstram, a IA poderia ir muito longe no sentido de melhorar a experiência humana na área da saúde – tanto melhorando a eficiência do fluxo de trabalho quanto ampliando a experiência clínica.

Mais importante ainda, para aliviar o burnout e resgatar a alegria na medicina, precisamos perguntar como podemos desenvolver ferramentas digitais que apoiem, em vez de atrapalhar, a relação entre paciente e profissional de saúde. Estudos têm demonstrado consistentemente que a falta de integração do fluxo de trabalho é uma das principais barreiras para uma adoção mais ampla da IA na saúde, apontando para a necessidade de um design centrado no ser humano.

Com o foco nas pessoas, podemos desenvolver soluções baseadas em IA que atuam como um assistente discreto, apoiando os profissionais de saúde em um momento em que eles estão mais pressionados do que nunca.  Porque se há uma verdade evidenciada pela crescente crise de escassez de pessoal e burnout na área da saúde, é que não há saúde sem profissionais saudáveis e engajados.

Referências
[1] https://www.medscape.com/viewarticle/966996
[2] https://www.sciencedirect.com/science/article/pii/S2542454821001260
[3] https://www.medscape.com/viewarticle/966996
[4] https://www.bls.gov/news.release/jolts.nr0.htm
[5] https://www.sciencedirect.com/science/article/pii/S2542454821001260
[6] https://healthexec.com/topics/healthcare-administration/hospital-ceos-workforce-shortages-challenging
[7] https://www.theguardian.com/society/2022/feb/26/stressed-nhs-staff-quit-at-record-rate-of-400-a-week-fuelling-fears-over-care-quality
[8] https://www.iamexpat.de/career/employment-news/germanys-shortage-nursing-staff-continues-worsen
[9] https://www.smh.com.au/national/pandemic-triggers-mass-exodus-of-critical-care-nurses-20211116-p5998i.html
[10] https://www.straitstimes.com/singapore/politics/more-healthcare-workers-in-spore-resigning-amid-growing-fatigue-as-covid-19-drags
[11] https://healthexec.com/topics/healthcare-administration/hospital-ceos-workforce-shortages-challenging
[12] https://www.usa.philips.com/healthcare/medical-specialties/radiology/improving-radiology-staff-and-patient-experience/staff-research
[13] https://www.usa.philips.com/healthcare/medical-specialties/radiology/improving-radiology-staff-and-patient-experience/staff-research
[14] Habibzadeh MA, Ay MR, Asl AR, Ghadiri H, Zaidi H. Impact of miscentering on patient dose and image noise in x-ray CT imaging: phantom and clinical studies. Phys Med. 2012;28(3):191-199. http://doi:10.1016/j.ejmp.2011.06.002
[15] Based on in-house testing. Results may vary.
[16] https://hbr.org/2018/03/how-mayo-clinic-is-combating-information-overload-in-critical-care-units

You are about to visit a Philips global content page

You are about to visit the Philips USA website.

Para visualizar melhor o nosso site, utilize a versão mais recente do Microsoft Edge, do Google Chrome ou do Firefox.