A crise de burnout na radiologia é real. Saiba como podemos devolver tempo aos radiologistas e ao pessoal.

Quando eu comecei a trabalhar como neurorradiologista em 1996, uma tomografia computadorizada do cérebro consistia em 20 imagens. Quinze anos depois, quando fiz a transição da prática clínica para me concentrar em contribuir com a inovação digital na área da saúde, esse número havia chegado a 1.200 – um aumento de 60 vezes (!). Essa notável explosão de dados permitiu que eu e os meus colegas diagnosticássemos condições com mais precisão do que nunca. Mas essa também foi uma fonte inegável de sobrecarga de dados. Não tínhamos mais tempo por exame, e os nossos fluxos de trabalho também não evoluíram no mesmo ritmo para nos permitir uma interpretação eficiente de tantas imagens.

Isso indica uma assimetria fundamental na inovação em radiologia. Por um lado, temos visto avanços espetaculares na tecnologia de imagens médicas – e é realmente surpreendente que inovações em RM, TC, ultrassom e outras modalidades agora podem ajudar os radiologistas a obterem imagens incrivelmente detalhadas e precisas do corpo humano. Por outro lado, os departamentos de radiologia muitas vezes não têm tempo nem recursos para lidar com a crescente profusão de dados e complexidade tecnológica – especialmente com as limitações da escassez de mão de obra que eles vêm enfrentando. Simplificando: os fluxos de trabalho da radiologia não acompanharam o ritmo da inovação dos diagnósticos por imagem.

Algo que pode nos ajudar a resolver a crise de burnout na radiologia é lidar com essa assimetria, o que também está alinhado com o que os clientes vêm me contando. Há dez anos, eles estavam interessados sobretudo nas especificações técnicas dos equipamentos de imagem mais recentes. Hoje, o foco deles é otimizar fluxos de trabalho para obter um diagnóstico mais rápido e preciso. Os líderes de radiologia não buscam mais pixels. O foco deles é como capacitar os radiologistas e o pessoal com os recursos e conhecimentos certos para atenderem mais pacientes com mais rapidez. Tempo também é essencial para os pacientes, podendo ser a diferença entre a detecção do câncer em estágio inicial, quando ele ainda é tratável, e a progressão da doença sem ser detectada para um estágio avançado e possivelmente com maior risco à vida.

É por isso que precisamos aumentar o ritmo da inovação no fluxo de trabalho em radiologia. Essa é uma prioridade do nosso foco estratégico aprimorado da Philips, com o lançamento do maior empreendimento de informática empresarial do setor no início deste ano. Qual é o nosso objetivo na radiologia? Ajudar a reduzir o tempo de diagnóstico sem comprometer a qualidade.

Deixe-me dar cinco exemplos práticos e explicar como eles podem beneficiar médicos, funcionários e pacientes – desde o momento da aquisição da imagem.

Com o avanço das modalidades de imagem como RM e TC, os exames também se tornaram mais complexos. Os técnicos em radiologia precisam escolher os protocolos e parâmetros corretos para cada paciente a fim de garantir os melhores resultados de imagem e possibilitar diagnósticos precisos. Isso pode causar muito estresse quando o técnico não possui o conhecimento necessário em subespecialidades e não tem um colega experiente por perto para oferecer suporte. Infelizmente, essa é exatamente a realidade que muitos técnicos estão enfrentando hoje, especialmente em centros de imagem menores. Existem mais vagas não preenchidas para tecnólogos em radiologia do que para qualquer outro grupo de profissionais de saúde associados [3], que também precisam de treinamento extensivo para realizar exames complexos.

Quando eu interpretava exames como radiologista, minha preocupação era sempre se, dos inúmeros exames que estou interpretando hoje, o último exame apresentar uma anormalidade que requer acompanhamento urgente? O ideal é que esse exame com a anormalidade não seja o último da pilha de leitura. Você quer que ele seja o primeiro para poder alertar imediatamente o médico solicitante.

É exatamente o que a orquestração de fluxo de trabalho inteligente faz. Ela prioriza e delega automaticamente casos ao radiologista especializado certo no momento certo e na ordem certa com base em vários parâmetros, como triagem baseada em IA. Também ajuda a equilibrar as cargas de trabalho em uma rede de exames de imagens – evitando a sobrecarga de um radiologista quando outro radiologista está trabalhando a 85% de sua capacidade. Foi assim que uma organização de saúde conseguiu acelerar seus fluxos de trabalho em radiologia em 50% – aumentando significativamente a capacidade de fornecer atendimento no momento certo e com alta qualidade a cada paciente [4].

Nos meus tempos de radiologista, todos costumavam trabalhar no mesmo prédio do hospital. Que diferença para hoje em dia! Após a pandemia ter normalizado a interpretação de imagens médicas em domicílio, 65% dos radiologistas que trabalham em hospitais acadêmicos pretendem continuar interpretando de forma remota – e esse número é ainda maior em ambientes não acadêmicos (82%), de acordo com um estudo recente publicado no Journal of the American College of Radiology [5]. Nessa nova realidade híbrida, os fluxos de trabalho precisam permitir a troca rápida e sem interrupções de imagens de radiologia e de outras informações médicas entre locais, do hospital para o domicílio.

La IA en radiología solía ser algo anecdótico; ahora es un diferenciador en la práctica. Para entender por qué, basta con pensar en la aplicación meteorológica de su teléfono. No estás buscando datos meteorológicos segundo a segundo de miles de sensores en estaciones meteorológicas cercanas; solo quieres saber si el sol brillará dentro de una hora o si necesitas traer un paraguas cuando salgas por la puerta. Lo mismo ocurre con los radiólogos, que a menudo tienen una gran cantidad de datos, pero poca información. Ahí es donde entra la IA.

Al convertir grandes cantidades de datos de imágenes en conocimientos relevantes, la IA puede reducir la carga cognitiva de los radiólogos y permitirles centrar su experiencia donde más importa. Por ejemplo, en la detección del cáncer de pulmón por CT, donde la detección temprana es fundamental para mejores resultados para los pacientes, la IA puede ayudar a los radiólogos a identificar nódulos pulmonares un 26 % más rápido y también a detectar el 29 % de los nódulos previamente pasados por alto [6]. O, como otro ejemplo, la IA puede ayudar a clasificar a los pacientes que ingresan en el departamento de emergencias con sospecha de fracturas óseas, al identificar automáticamente exploraciones radiológicas en las que no hay evidencia inmediata de una fractura. Como resultado, los radiólogos pueden concentrarse en casos más complejos y urgentes, mientras que los pacientes se benefician de tiempos de espera reducidos [7].

Imagine a un piloto pilotando un avión y teniendo que llamar a la tripulación de cabina para obtener lecturas de altitud, velocidad aérea y navegación. No está muy lejos de la realidad a la que se enfrentan los radiólogos cuando intentan obtener una visión general de toda la información relevante del paciente, que normalmente se encuentra distribuida en sistemas dispares. Mis compañeros radiólogos y yo solíamos decir que teníamos que “buscar y picotear” en busca de información, ya sea abriendo otra aplicación o llamando a la recepcionista para obtener más antecedentes o casos externos. Fuimos capacitados para interpretar estudios; sin embargo, pasamos gran parte de nuestro tiempo haciendo clic, desplazándonos y haciendo llamadas telefónicas solo para recopilar los datos que necesitábamos. Peor aún: tiende a ser lo mismo para otros médicos involucrados en el diagnóstico de pacientes, incluidos patólogos, cardiólogos y oncólogos.

Diagnósticos integrados podem ajudar a criar o centro de comando que os radiologistas e outros médicos muitas vezes não têm hoje com diferentes dados reunidos em diferentes domínios para fornecer um panorama abrangente da doença do paciente. Continuando com o exemplo do tratamento do câncer: quando os dados de radiologia, patologia e laboratoriais estão integrados em uma única visualização, podemos permitir que toda a equipe de tratamento trabalhe de forma conjunta com mais eficiência e eficácia. Isso também dá aos diferentes especialistas mais informações do nível de consistência de suas conclusões, o que cria um ciclo de feedback contínuo e pode, em alguns casos, revelar a necessidade de diagnósticos adicionais. Para pacientes com câncer, essa pode ser a diferença entre um desfecho ideal ou insatisfatório graças a uma detecção e um diagnóstico mais precoces, bem como um tratamento mais preciso e personalizado.

Houve muitos avanços em hardware na aquisição de imagens médicas nas últimas décadas. Este é o momento em que as inovações em informática devem acompanhar e melhorar a experiência geral do fluxo de trabalho clínico dos profissionais que interpretam essas imagens. Porque se há uma coisa que médicos e funcionários sempre precisam é de mais tempo. E se pudermos devolver a eles um pouco desse tempo, são os pacientes que ganham com diagnósticos e tratamentos mais rápidos e precisos.