MITRA: INTELIGÊNCIA ARTIFICIAL PARA ESTATIFICAÇÃO DE RISCO EM SAÚDE

Período de Realização A primeira versão do projeto foi desenvolvida entre os meses de março e junho de 2025. Objeto da produção A realização de estratificação de risco em saúde utilizando inteligência artificial (IA). Objetivos O Mitra é um modelo de IA para a estratificação de risco de usuários de serviços de saúde com o intuito de auxiliar na coordenação do cuidado. Os recursos de saúde são finitos sendo a estratificação fundamental para priorizar os cuidados de forma eficiente, equitativa e baseada em evidências. Descrição da produção A plataforma de rastreio de risco possui dois grandes componentes: interfaces gráficas para auxiliar os profissionais a identificar e navegar pacientes e um motor de análise e detecção de condições de saúde (diabetes e saúde da mulher). O 1º foi desenvolvido em Javascript, usando as bibliotecas Next.js e Tailwind.css. O modelo analítico foi desenvolvido em Python. Optamos pela machine learning Random Forest por ser a que apresenta melhor performance e precisão na predição de dados de saúde. Resultados Hoje a estratificação de risco em saúde é feita principalmente de forma manual. Profissionais de saúde navegam usuários por meio de anotações em cadernos, registros de WhatsApp, Excel, etc., e isso traz morosidade na identificação dos pacientes mais críticos para busca ativa. Com o Mitra, todas as informações digitalizadas (exames, consultas e PEP) serão utilizadas para alimentar o modelo preditivo e a estratificação acontecer de forma rápida. Análise crítica e impactos da produção O papel das IA é trazer automação para os processos de trabalho mais simples e deixar mais tempo para que possamos desempenhar o trabalho “humano”. O Mitra estratifica os usuários por risco, de acordo com os seus dados de saúde, e os profissionais de saúde podem começar o processo de captação. Isso otimiza o trabalho além de aumentar as chances de um paciente grave ser localizado e apoiado o mais cedo possível. Essa IA não substitui o trabalho humano, ela serve como um facilitador no processo. Considerações finais O foco da primeira versão da solução é testar nossa hipótese seguindo o fluxo alvo planejado, que seria aplicar a estratificação em alguma base de dados real de saúde. Utilizamos os dados do Programa de Melhoria do Acesso e da Qualidade da Atenção Primária (PMAQ-AB/MS) como fonte primária de informação e conseguimos executar os algoritmos a ponto de estratificar os usuários considerados críticos considerando parâmetros de saúde pública.