Na área da saúde, o processo de subscrição e análise de sinistros pode ser trabalhoso e propenso a erros. Os avaliadores e subscritores de sinistros geralmente são obrigados a ler e analisar cuidadosamente centenas de documentos por caso. A cada ano, o mercado de seguros investe mais de US$ 3 bilhões em horas de trabalho dedicadas exclusivamente a reunir e resumir registros médicos.
Um estudo de 2006 dos Institutos Nacionais de Saúde dos EUA identificou vários desafios importantes na pesquisa de registros médicos, incluindo a avaliação da qualidade dos dados e a combinação de dados de empresas com sistemas de codificação diferentes. (A codificação médica envolve a extração de informações faturáveis do prontuário médico e a documentação clínica que acompanha.) Mas a IA – especificamente o processamento de linguagem natural (NLP), o subcampo da IA relacionado aos dados de linguagem – poderia oferecer uma solução em sua capacidade de ler, resumir, e analisar texto não estruturado, incluindo entradas de registros médicos.
Um dos vários fornecedores que oferecem uma plataforma de IA para análise de registros médicos é a DigitalOwl, que anunciou hoje que levantou US$ 20 milhões em financiamento da série A da Insight Partners. Com sede em Portland, Maine, a DigitalOwl afirma que seu software pode ajudar seguradoras, resseguradoras e advogados a combater melhor a fraude, subscrever planos de saúde, executar sinistros e construir casos legais mais fortes.
Análise de prontuários médicos
O mercado global de análise de big data na área da saúde foi avaliado em US$ 16,87 bilhões em 2017 e deve atingir US$ 67,82 bilhões até 2025, de acordo com um relatório recente da Allied Market Research. Acredita-se que a implementação da análise de big data pelas organizações de saúde pode levar a uma redução de mais de 25% nos custos anuais nos próximos anos. Melhor diagnóstico e previsões de doenças, habilitadas por IA e análises, podem levar à redução de custos ao diminuir as taxas de readmissão hospitalar, entre outros fatores.
A DigitalOwl, fundada em 2018 pelos irmãos Amit Man e Yuval Man, utiliza um mecanismo proprietário para extrair informações de centenas a milhares de páginas de registros médicos eletrônicos. Os dados são apresentados cronologicamente, permitindo que os usuários pesquisem e filtrem por condição, data, parte do corpo, sistema do corpo e provedor. O histórico completo está contido em um PDF — cada condição, data e entrada é clicável, levando os usuários à fonte das informações no registro.
“A necessidade de análise de documentos médicos foi muito além da PNL clássica. A detecção de entidades médicas não é suficiente para fornecer soluções aos nossos clientes. É necessário extrair a narrativa do caso, separar as principais descobertas do ruído, encontrar relacionamentos e alinhá-lo com o conhecimento médico e de seguros”, disse Man ao VentureBeat por e-mail. “Como a pandemia forçou os funcionários a trabalhar remotamente, as empresas tiveram que adotar novas tecnologias mais rápido do que nunca apenas para manter seus funcionários produtivos. Isso geralmente teve um impacto positivo nas atitudes em relação à tecnologia em alguns modelos de negócios tradicionais, como seguros.”
Antes de cofundar a DigitalOwl, Yuval Man fazia parte do escritório de advocacia israelense EKT. Amit Man liderou o grupo de algoritmos e tecnologia principal da Briefcam, uma startup de visão computacional, antes de fundar uma empresa chamada Takes e ingressar na empresa de dispositivos assistivos OrCam.
Ao extrair informações médicas dos registros enviados à plataforma, os irmãos Man dizem que o DigitalOwl pode fornecer um “resumo focado” de pontos de dados com um sistema de navegação simplificado. Para uma transportadora, a empresa afirma ter identificado uma reivindicação de invalidez ilegítima no valor de US$ 150.000. Por outro, a DigitalOwl economizou US $ 270.000.
“A solução de tecnologia DigitalOwl extrai … pontos de dados médicos com extrema precisão, incluindo todos os tipos de câncer, doenças cardíacas, acidentes, cirurgias ortopédicas, diabetes, artrite, hipertensão, lesões cerebrais e muito mais”, escreve a empresa em seu site. “O DigitalOwl atingiu recentemente um marco de mais de 30 milhões de páginas de registros médicos processados por [nossa plataforma.].”
A DigitalOwl afirma atender “vários” clientes em Israel, Canadá e EUA, incluindo seguradoras, administradores terceirizados e empresas de recuperação de registros.
Desvantagens potenciais
Vale a pena notar que as seguradoras de saúde estão nos primeiros dias de adoção da IA. Em uma pesquisa de 2017 do mercado de seguradoras alemão, a McKinsey descobriu que “apenas algumas seguradoras de saúde” estavam aproveitando as tecnologias de aprendizado de máquina, devido à incerteza sobre casos de uso práticos, lacunas no conhecimento tecnológico dentro das organizações e falta de transparência em relação aos dados disponíveis. .
E apesar de todo o potencial da PNL, a tecnologia pode ser suscetível aos vieses nos conjuntos de dados usados para “ensiná-la” a encontrar certos padrões em documentos – incluindo registros médicos. Estudos revelaram uma série de vieses que podem surgir nos registros de saúde, incluindo menções depreciativas de pacientes negros com características “negativas” e discriminação contra aqueles com doença falciforme. Os prontuários também contêm linguagem estigmatizante, que pode expressar aprovação, mas também desaprovação e estereótipos.
Como Tom Simonite, da Wired, apontou em um artigo recente, conjuntos de dados distorcidos são a norma na pesquisa de IA em saúde devido a desigualdades históricas e contínuas. Um artigo de Stanford de 2020 descobriu que 71% dos dados usados em estudos que aplicaram IA a dados médicos dos EUA vieram de pacientes na Califórnia, Massachusetts ou Nova York. Outro estudo, publicado no ano passado, examinou mais de 150 sistemas usando IA para prever diagnósticos ou cursos de doenças e descobriu que a maioria “está em alto risco de viés”.
O setor de seguros não está imune. Um estudo de 2019 descobriu que um algoritmo usado pelas seguradoras para identificar quais pacientes se beneficiarão de programas de “gerenciamento de cuidados de alto risco” selecionou menos pacientes negros do que pacientes brancos, negando aos pacientes negros acesso a equipe de enfermagem especialmente treinada e visitas extras de cuidados primários para acompanhamento mais próximo.
“Os algoritmos de aprendizado de máquina têm o potencial de melhorar os cuidados médicos, prevendo uma variedade de resultados diferentes medidos no registro eletrônico de saúde e fornecendo suporte à decisão clínica com base nessas previsões”, escreveram os coautores de um artigo de 2018 sobre o viés da IA nos cuidados de saúde, escreveram no JAMA Medicina Interna. “No entanto, deve-se prestar atenção aos dados que estão sendo usados para produzir esses algoritmos, incluindo o que e quem pode estar faltando nos dados. As disparidades existentes nos cuidados de saúde não devem ser amplificadas pela dependência irrefletida ou excessiva de máquinas”.
Em resposta, Man disse que os modelos da DigitalOwl foram “endurecidos” ao longo do tempo ao ingerir “dezenas de milhões” de documentos médicos. Para ensinar aos modelos os relacionamentos dentro dos documentos, cada página foi rotulada por uma equipe de especialistas “com conhecimento em lógica de negócios de saúde e seguros”.
“Com a ajuda das redes neurais, o entendimento, a sumarização e até a previsão estão se tornando possíveis. Padronização e normalização de informações não estruturadas são igualmente importantes para as empresas. Dados de diferentes fornecedores e provedores agora podem ser mesclados, comparados e usados pelos sistemas de uma organização”, acrescentou Man. “Francamente, as empresas investiram pouco nessas áreas, concentrando seus esforços digitais em vendas e atendimento ao cliente por muitos anos. Mas a tríade de desafios de pessoal, COVID e custos crescentes agora está levando essas organizações a adotar soluções de tecnologia em um ritmo mais rápido do que nunca.”
Além da Ibex, Fusion LA, Menora Mivtachim e o fundador da Mobileye, Amnon Shashua, estão entre os 50 funcionários que apoiam a Digital Owl. Atualmente, a empresa emprega mais de 40 pessoas em escritórios em Israel e nos EUA; a última rodada de financiamento eleva seu capital total para mais de US$ 26 milhões.
