Seis inovações no fluxo de trabalho de radiologia que estão aumentando a eficiência e a qualidade do atendimento

1. A automação do fluxo de trabalho ajuda a equipe a captar imagens acertando logo na primeira vez

Os tecnólogos em radiologia enfrentam o desafio diário de obter varreduras da melhor qualidade acertando logo na primeira vez. Mas variações nos níveis de treinamento e experiência de cada pessoa da equipe podem afetar os resultados. Os pacientes costumam estar ansiosos, o que aumenta a pressão sobre os tecnólogos para que o exame seja feito de forma eficaz, já que um paciente inquieto pode significar que o exame precisa ser refeito. No entanto, muitas vezes os funcionários têm pouco tempo para interagir com os pacientes, já que sua carga de trabalho pode ser implacável [4].

Quando perguntamos em uma pesquisa o que mais os ajudaria, os tecnólogos em radiologia disseram que 23% de seu trabalho é ineficiente e poderia ser automatizado. Levamos essas necessidades a sério quando desenvolvemos ferramentas inteligentes de fluxo de trabalho que ajudam os tecnólogos a realizarem exames com mais facilidade e menos estresse.

Por exemplo, a carga de trabalho de um tecnólogo de ressonância magnética — indiscutivelmente a modalidade de diagnóstico por imagem que mais induz o estresse — pode ser reduzida por meio da automatização do planejamento, da varredura e do processamento do exame. Isso permite que até mesmo tecnólogos novatos realizem exames de ressonância magnética de rotina com confiança. A redução da variabilidade dos exames resulta em um diagnóstico por imagem de alta qualidade que permite diagnósticos confiantes; por outro lado, as instruções automatizadas ao paciente aprimoram sua experiência. Os funcionários podem se preocupar menos em acertar as configurações do equipamento e têm mais tempo para se concentrar no paciente.

2. Aquisição de imagens torna-se virtual com uma central de comando unificada

Tecnólogos altamente experientes que conhecem os meandros de modalidades avançadas como ressonância magnética e tomografia computadorizada costumam estar em falta nas grandes clínicas de diagnóstico por imagem que contam com diversos locais de varredura. Até pouco tempo, esses usuários especializados precisariam viajar do seu local central para locais remotos para ajudar seus colegas menos experientes. Agora, podem prestar assistência a vários locais, em tempo real, enquanto o paciente está na mesa do scanner, sem precisar sair do seu local central.

Por meio de uma nova forma de telepresença na aquisição de imagens, os tecnólogos especializados podem fornecer orientações, suporte e treinamento a partir de um local central — a Central de Comando de Operações de Radiologia. O acesso virtual seguro ao scanner permite que esses usuários especializados ajudem ou treinem seus colegas em diversos locais, gerando, com isso, uma consistência na qualidade e padronização das imagens. Isso reduz a necessidade de repetições e agendamentos de novos exames sem necessidade, o que pode constituir um fardo pesado para os pacientes e para os funcionários.

3. O balanceamento inteligente da carga de trabalho prioriza os casos mais urgentes

Nos empreendimentos complexos e multilocais de radiologia, nos quais diferentes estabelecimentos geram um fluxo contínuo de casos de diagnóstico por imagem — alguns urgentes, alguns menos urgentes e alguns altamente especializados —, gerenciar a priorização e delegação de casos para o radiologista mais adequado pode representar um verdadeiro desafio.

Algoritmos inteligentes, que determinam automaticamente a melhor equiparação, podem ajudar a alocar o caso certo ao radiologista certo com base em sua área de experiência, disponibilidade e carga de trabalho atual. Isso ajuda a equilibrar a carga de trabalho ao distribuí-la entre os radiologistas, permitindo que os casos mais urgentes sejam lidos primeiro pelo subespecialista adequado que estiver disponível.

4. Um relatório multimídia interativo oferece aos médicos insights mais profundos

Desde que Wilhelm Röntgen descobriu o raio X, há 125 anos, o formato dos relatórios de radiologia não sofreu nenhuma mudança fundamental, sempre dependendo de uma narrativa baseada em texto para comunicar seus achados a médicos e pacientes [5]. Mas agora isso está mudando, com os relatórios de radiologia migrando para o ambiente multimídia que já nos rodeia em nossas vidas cotidianas.

Em oncologia e outros domínios clínicos complexos, nos quais os pacientes são com frequência acompanhados por longos períodos de tempo, os médicos estão em busca de relatórios de radiologia que forneçam insights longitudinais e ricos em dados sem que precisem escarafunchar para localizar relatórios anteriores e comparar imagens manualmente. O relatório multimídia interativo permite que os radiologistas incorporem imagens importantes para comparação lado a lado, informações sobre as tendências de tumores em quadros e gráficos e dados quantitativos do pós-processamento avançado.

5. A integração de dados de pacientes facilita a colaboração clínica

Em um domínio tão complexo quanto o tratamento do câncer, no qual os estudos de diagnóstico por imagem são complementados por vários outros tipos de informações, incluindo relatórios da patologia, testes moleculares e perfis genéticos, reunir todas as informações relevantes dos pacientes provenientes de departamentos díspares para seleção e monitoramento dos tratamentos pode exigir um enorme esforço. Trata-se, atualmente, de uma atividade na qual as equipes de atendimento muitas vezes perdem um tempo precioso.

Ao criar painéis de controle unificados que integram automaticamente as informações dos pacientes advindas de diversos departamentos, as equipes de tratamento do câncer podem visualizar num relance o perfil completo do paciente e tomar decisões sobre a jornada de tratamento durante reuniões multidisciplinares do tumor board. O comparecimento a essas reuniões pode ser virtual ou presencial, permitindo uma colaboração flexível e eficaz com base em um resumo compartilhado de todos os dados relevantes.

6. Operações orientadas por dados em tempo real permitem um aprimoramento contínuo

Já vimos a importância do envolvimento digital para a educação dos pacientes e para relembrá-los de suas consultas. Juntamente com o monitoramento automatizado do acompanhamento, esse envolvimento pode ser muito útil para fazer com que os pacientes mantenham a adesão aos seus planos de tratamento. Agora, como seria se você pudesse identificar, com base nos dados dos pacientes, quais pacientes são mais propensos a não comparecer aos seus exames de acompanhamento e lhes dar atenção adicional? 

Estudos têm mostrado como o não comparecimento do paciente pode ser previsto com base em não comparecimentos anteriores, no número de dias decorridos entre o agendamento e a data da consulta e no tipo de modalidade, permitindo que os administradores de radiologia direcionem com mais precisão seus esforços no sentido de obter o envolvimento do paciente [7]. Esse é apenas um exemplo de como as práticas orientadas por dados podem ajudar a aprimorar a continuidade do atendimento e a eficiência operacional das empresas de diagnóstico por imagem. 

As análises de dados em tempo real também criaram outras oportunidades para o gerenciamento de operações. Ao fornecer aos administradores de radiologia as ferramentas para monitorarem continuamente KPIs como volumes de exames específicos, utilização de recursos e taxas de cancelamento para cada modalidade, o sistema também lhes permite entender melhor como o envolvimento do paciente está mudando a demanda por serviços e tomar decisões mais bem fundamentadas sobre a alocação de pessoal e recursos, com base nos fatos e números mais recentes.

Um único fluxo de trabalho de radiologia integrado para diagnósticos de precisão

O que essas sete inovações mostram é como a digitalização, a virtualização e a integração — corroboradas pela análise de dados em tempo real — podem fazer uma verdadeira diferença nas operações de radiologia. Especialmente agora. 

Ao conectar dados, tecnologia e pessoas em todos os momentos decisivos — sempre firmemente centrados no paciente — poderemos pavimentar um caminho claro para o diagnóstico e o tratamento de precisão. É nessas circunstâncias que o fluxo de trabalho de radiologia realmente flui: beneficiando os pacientes, os funcionários e os sistemas de saúde que se preocupam com ambos.

Junte-se a nós na RSNA 2020, de 29 de novembro a 5 de dezembro, e inscreva-se em nossas sessões virtuais para descobrir como os líderes de radiologia das instituições mais importantes estão lidando com seus desafios de fluxo de trabalho.

Referências

[1] Naidich, J.J., Boltyenkov, A., Wang, J.J., Chusid, J., Hughes, D., Sanelli, P.C. (2020). Impact of the Coronavirus Disease 2019 (COVID-19) Pandemic on Imaging Case Volumes. J Am Coll Radiol, 17(7): 865-872.https://doi.org/10.1016/j.jacr.2020.05.004

[2] Rosenbaum, J.I., Mieloszyk, R.J., Hall, C.S., Hippe, D.S., Gunn, M.L., Bhargava, P. (2018). Understanding Why Patients No-Show: Observations of 2.9 Million Outpatient Imaging Visits Over 16 Years. J Am Coll Radiol, 15(7): 944-950. https://doi.org/10.1016/j.jacr.2018.03.053

[3] Rebecca, J., Mieloszyk, J.I., Rosenbaum, C.S., Hall, U., Puneet, B. (2018). The Financial Burden of Missed Appointments: Uncaptured Revenue Due to Outpatient No-Shows in Radiology. Current Problems in Diagnostic Radiology, 47(5): 285-286. https://doi.org/10.1067/j.cpradiol.2018.06.001

[4] Beker, K., Garces-Descovich, A., Mangosing, J. et al. (2017). Optimizing MRI Logistics: Prospective Analysis of Performance, Efficiency, and Patient Throughput. American Journal of Roentgenology, 209(4): 836-844.https://doi.org/10.2214/AJR.16.17698

[5] Folio, L.R., Machado, L.B., Dwyer, A. (2018). Multimedia-enhanced Radiology Reports: Concept, Components, and Challenges. RadioGraphics, 38(2): https://doi.org/10.1148/rg.2017170047

[6] Folio, L.R., Yazdi, A.A., Merchant, M., Jones, E.C. (2015). Initial Experience with Multi-Media and Quantitative Tumor Reporting Appears to Improve Oncologist Efficiency in Assessing Tumor Burden. Achados de pesquisa apresentados na 101ª Assembleia Científica e Encontro Anual da RSNA. http://archive.rsna.org/2015/15005140.html

[7] Harvey, H.B., Liu, C., Ai, J. et al. (2017). Predicting No-Shows in Radiology Using Regression Modeling of Data Available in the Electronic Medical Record. J Am Coll Radiol, 14(10): 1303-1309.https://doi.org/10.1016/j.jacr.2017.05.007

Notas

[i] Os resultados de dados internos são específicos para as instituições onde foram obtidos e podem não refletir os resultados atingíveis de outras instituições