# O aprendizado de máquina pode otimizar a gestão do centro cirúrgico e reduzir cancelamentos?

> Uma revisão sistemática mostrou que modelos de aprendizado de máquina podem prever a duração de cirurgias com bom desempenho, permitindo agendamento mais preciso e menos desperdício de recursos. O Random Forest foi eficaz em identificar cirurgias com alto risco de cancelamento, possibilitando medidas preventivas para reduzir a taxa de cancelamento.

Estudo citado: Bellini V, Guzzon M, Bigliardi B, Mordonini M, Filippelli S, Bignami E. Artificial Intelligence: A New Tool in Operating Room Management. Role of Machine Learning Models in Operating Room Optimization. Journal of medical systems. 2019. DOI: https://doi.org/10.1007/s10916-019-1512-1. PubMed: https://pubmed.ncbi.nlm.nih.gov/31823034/

## Resposta

A revisão sistemática analisou 19 artigos sobre o uso de inteligência artificial, especificamente aprendizado de máquina (ML), na organização do centro cirúrgico. Os estudos incluídos envolveram pacientes adultos (≥ 18 anos) e foram publicados entre 2015 e fevereiro de 2019. O foco foi a perspectiva administrativa e gerencial do centro cirúrgico, não apenas clínica.

Os resultados indicam que o ML tem muitas potencialidades na organização do centro cirúrgico. A previsão da duração dos casos cirúrgicos foi obtida com bom desempenho, o que pode permitir um agendamento mais preciso e limitar o desperdício de recursos. Além disso, o ML é capaz de apoiar modelos mais complexos, que coordenam múltiplos espaços simultaneamente, como a unidade de recuperação pós-anestésica e as salas cirúrgicas.

Outro problema organizacional com repercussões econômicas importantes é o cancelamento de cirurgias. O Random Forest mostrou-se eficaz em identificar cirurgias com alto risco de cancelamento, permitindo planejar medidas preventivas para reduzir a taxa de cancelamento. Esses achados sugerem que ferramentas de ML podem ser aplicadas para melhorar a eficiência e a previsibilidade do centro cirúrgico.

Apesar desses resultados promissores, os dados na literatura ainda são limitados. Os autores concluem que o ML tem grande potencial no campo da organização do centro cirúrgico, mas são necessários mais estudos para avaliar o papel efetivo dessas novas tecnologias na medicina perioperatória. A revisão não fornece detalhes sobre a qualidade metodológica dos estudos incluídos ou sobre possíveis vieses.

Para o médico brasileiro, especialmente aqueles envolvidos na gestão de centros cirúrgicos, esses achados apontam para a possibilidade de incorporar ferramentas de ML para otimizar agendamentos e reduzir cancelamentos. No entanto, a implementação deve ser cautelosa, considerando as limitações atuais e a necessidade de validação local. O resumo não informa sobre custos ou disponibilidade comercial dessas ferramentas.

## O que o estudo mostrou

Revisão sistemática da literatura que incluiu 19 artigos sobre o uso de aprendizado de máquina na organização do centro cirúrgico, com pacientes adultos (≥ 18 anos) e publicações entre 2015 e fevereiro de 2019. Os achados mostram que a previsão da duração cirúrgica foi obtida com bom desempenho, permitindo agendamento mais preciso; que o ML apoia modelos complexos de coordenação de múltiplos espaços, como salas cirúrgicas e recuperação pós-anestésica; e que o Random Forest foi eficaz em identificar cirurgias com alto risco de cancelamento, possibilitando medidas preventivas para reduzir a taxa de cancelamento.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, possíveis vieses, heterogeneidade entre os estudos ou tamanho de amostra. Os próprios autores afirmam que os dados na literatura são ainda limitados e que são necessários mais estudos para avaliar o papel efetivo dessas tecnologias na medicina perioperatória. Portanto, as conclusões são preliminares e não permitem generalização imediata para todos os contextos.

## Aplicação no consultório

Para o médico que atua na gestão de centros cirúrgicos, os achados sugerem que ferramentas de ML podem auxiliar no agendamento mais preciso, na coordenação de salas e na identificação de cirurgias com alto risco de cancelamento. Isso pode orientar a implementação de medidas preventivas e a alocação mais eficiente de recursos. No entanto, a adoção deve ser feita com cautela, considerando as limitações da evidência atual e a necessidade de validação local. O resumo não aborda custos ou requisitos técnicos para implementação.

## Perguntas para aprofundar

- Como o aprendizado de máquina pode prever a duração de cirurgias e melhorar o agendamento?
- Quais modelos de aprendizado de máquina são eficazes para identificar cirurgias com alto risco de cancelamento?
- Quais são as limitações atuais da aplicação de inteligência artificial na gestão do centro cirúrgico?

Tema: IA para previsão de no-show, agendamento e gestão de clínicas. Página: https://alphadoctor.com.br/ciencia/ia-no-show-agendamento/o-aprendizado-de-maquina-pode-otimizar-a-gestao-do-centro-cirurgico-e-reduzir/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.