Mais de 7,3 mil gestantes permanecem fora de linhas estruturadas de cuidado, apesar de já poderem ser identificadas a partir dos dados clínicos disponíveis nas organizações de saúde. O cenário pode dificultar o acompanhamento precoce de riscos e a prevenção de complicações maternas e neonatais. Os dados são de um levantamento da Level, empresa especializada em inteligência de dados aplicada à gestão e cuidados em saúde, com 605.729 vidas, que encontrou 8.186 gestações ativas, das quais apenas 10,7% estavam inseridas em programas estruturados de acompanhamento.

Os resultados fazem parte do Panorama Materno-Infantil level AI, realizado a partir de dois recortes reais de bases de saúde, uma operadora regional e uma rede de clínicas, e revelam um gargalo relevante para a gestão da saúde materno-infantil: em grande parte dos casos analisados, a gestante está invisível para o sistema. Informações que permitem identificá-la já estão disponíveis em laudos, anamneses, exames e outros registros clínicos. A principal lacuna ocorre na etapa seguinte, quando essa identificação precisa resultar na entrada da paciente em uma linha de cuidado.

A ausência dessa conexão pode reduzir a capacidade das organizações de acompanhar precocemente fatores de risco e atuar preventivamente ao longo da gestação. Intercorrências maternas, partos de risco e necessidade de internação neonatal estão entre os eventos que tornam o acompanhamento dessa população particularmente relevante também sob a perspectiva da gestão assistencial e dos custos em saúde.

"O dado mostra uma mudança importante na forma como precisamos olhar para a saúde materna. Muitas dessas gestantes já podem ser identificadas pelas organizações, mas isso não significa que estejam efetivamente sendo acompanhadas. O desafio é transformar essa informação em ação, criando uma conexão rápida entre identificação, protocolo clínico e acompanhamento dos desfechos", afirma Luiza Soeiro, gerontóloga e líder do time assistencial em saúde da Level.

Dados não estruturados ampliam capacidade de identificação.

Um dos recortes do levantamento mostra ainda que depender exclusivamente de informações estruturadas pode deixar parte relevante da população fora do radar das organizações.

Em uma rede de clínicas com uma amostra de 56 mil pacientes, o campo da Classificação Internacional de Doenças (CID) estava preenchido em 0,5% dos atendimentos analisados. Na prática, pouquíssimas gestantes seriam encontradas por uma busca baseada exclusivamente nesse código. A aplicação de processamento de linguagem natural (NLP) aos textos livres de diferentes documentos clínicos permitiu, porém, identificar 161 gestantes no primeiro trimestre, com precisão de 95%.

O levantamento também encontrou diferenças relevantes entre as bases. Na rede de clínicas, as gestantes identificadas representaram 0,29% da população analisada, enquanto, no recorte da operadora, chegaram a 1,46%. A diferença evidencia como a capacidade de identificação pode variar de acordo com a qualidade e a estrutura dos dados disponíveis, e não necessariamente por diferenças epidemiológicas entre as populações.

"Grande parte das informações clínicas relevantes não está organizada em campos estruturados. Ela aparece no texto de uma anamnese, em um laudo ou no resultado de um exame. Se a organização procura apenas aquilo que está codificado, pode deixar de enxergar pacientes que já poderiam ser identificados e direcionados para acompanhamento", explica Luiza.

UTI neonatal chega a 7,8% dos partos analisados.

Outro recorte do Panorama Materno-Infantil level AI analisou 6.867 partos de uma operadora regional e identificou internação em UTI neonatal em 7,8% dos casos. Na mesma base, apenas 10,5% das gestantes estavam cobertas por uma linha estruturada de cuidado.

É justamente na lacuna entre identificação e acompanhamento que atua o Módulo de Gestante da Level. A solução utiliza inteligência artificial para análise de dados clínicos com objetivo de localizar sinais de gestação em dados estruturados e não estruturados e apoiar a criação de gatilhos para que pacientes elegíveis sejam direcionadas a protocolos de acompanhamento.

A proposta é conectar quatro etapas que hoje podem estar fragmentadas dentro das organizações: identificar a existência da gestação nos dados, reconhecer a paciente, inseri-la em uma linha de cuidado e acompanhar seus desfechos.

Ao automatizar essa jornada, a tecnologia permite que operadoras, hospitais e redes assistenciais ampliem a identificação precoce da população gestante, acompanhem indicadores clínicos e assistenciais e atuem sobre riscos antes que eles se traduzam em eventos de maior complexidade. Do ponto de vista financeiro e de gestão, essa antecipação também aumenta a previsibilidade sobre a população acompanhada e permite direcionar recursos de forma mais eficiente, especialmente diante de eventos de maior complexidade e custo assistencial, como internações maternas e admissões em UTI neonatal.