# Um modelo de aprendizado de máquina pode melhorar a precisão da duração cirúrgica planejada e reduzir o tempo de espera dos pacientes?

> Sim. Em um ensaio clínico randomizado com 683 pacientes, o modelo de aprendizado de máquina reduziu o erro absoluto médio da duração cirúrgica em 9,8 minutos e o tempo de espera dos pacientes em 33,1 minutos, sem aumentar o tempo de espera do cirurgião entre casos.

Estudo citado: Strömblad CT, Baxter-King RG, Meisami A, Yee SJ, Levine MR, Ostrovsky A et al.. Effect of a Predictive Model on Planned Surgical Duration Accuracy, Patient Wait Time, and Use of Presurgical Resources: A Randomized Clinical Trial. JAMA surgery. 2021. DOI: https://doi.org/10.1001/jamasurg.2020.6361. PubMed: https://pubmed.ncbi.nlm.nih.gov/33502448/

## Resposta

A precisão na previsão da duração de cirurgias é um desafio para o agendamento cirúrgico, impactando pacientes, equipes e recursos. Um ensaio clínico randomizado avaliou a implementação de um modelo de aprendizado de máquina para prever a duração de cirurgias colorretais e ginecológicas em um centro oncológico.

O estudo incluiu 683 pacientes randomizados para previsão assistida por máquina ou grupo controle. O erro absoluto médio foi significativamente menor no grupo intervenção (49,5 minutos vs 59,3 minutos; diferença de -9,8 minutos; P = .03), indicando maior acurácia nas previsões.

Além disso, houve redução no tempo de espera dos pacientes na área pré-cirúrgica: 33,1 minutos por paciente em média. A redução foi de 62,4 minutos para cirurgias colorretais e 16,7 minutos para ginecológicas. O tempo entre casos (espera do cirurgião) não aumentou, e houve melhora marginal de 1,5 minutos no intervalo entre o fim de um caso e o início do seguinte.

Os pacientes também passaram em média 25,2 minutos menos na unidade antes da cirurgia, o que pode liberar recursos para outros pacientes. Esses achados sugerem que a implementação de modelos preditivos pode otimizar o fluxo cirúrgico e a gestão de recursos, sem prejuízo para a equipe cirúrgica.

Os autores concluem que previsões geradas por aprendizado de máquina podem melhorar a acurácia da duração cirúrgica, o uso de recursos pré-cirúrgicos e o tempo de espera dos pacientes, sem aumentar o tempo de espera do cirurgião entre casos.

## O que o estudo mostrou

Ensaio clínico randomizado com 683 pacientes submetidos a cirurgias colorretais e ginecológicas em duas unidades de um centro oncológico. O modelo de aprendizado de máquina reduziu o erro absoluto médio da previsão de duração em 9,8 minutos (P = .03) e o tempo de espera dos pacientes em 33,1 minutos em média. Não houve aumento no tempo entre casos (espera do cirurgião).

## Limitações

O resumo não informa limitações do estudo, como possíveis vieses, generalização para outras especialidades ou centros, e detalhes sobre a implementação do modelo. Além disso, os resultados são específicos para cirurgias colorretais e ginecológicas em um centro oncológico.

## Aplicação no consultório

A implementação de modelos preditivos para duração cirúrgica pode auxiliar no agendamento mais preciso, reduzindo atrasos e melhorando a experiência do paciente. Para a gestão do consultório, isso significa melhor alocação de salas, equipes e recursos pré-cirúrgicos, além de potencial aumento da capacidade de atendimento. No entanto, a adoção requer integração com sistemas de agendamento e treinamento da equipe.

## Perguntas para aprofundar

- Como um modelo de aprendizado de máquina pode ser integrado ao agendamento cirúrgico na prática clínica?
- Quais são os benefícios econômicos da redução do tempo de espera pré-cirúrgico?
- O modelo é aplicável a outras especialidades cirúrgicas além de colorretal e ginecológica?

Tema: IA para previsão de no-show, agendamento e gestão de clínicas. Página: https://alphadoctor.com.br/ciencia/ia-no-show-agendamento/um-modelo-de-aprendizado-de-maquina-pode-melhorar-a-precisao-da-duracao/

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