# Quais fatores influenciam a implementação de aplicações de aprendizado de máquina em organizações de saúde?

> Uma revisão sistemática identificou que a implementação de aplicações de aprendizado de máquina em organizações de saúde é influenciada por fatores como acesso a conhecimento e informação, infraestrutura de tecnologia da informação, cultura organizacional, design da inovação, vantagem relativa, complexidade percebida, engajamento das partes interessadas, avaliação reflexiva das práticas e presença de líderes de implementação.

Estudo citado: Preti LM, Ardito V, Compagni A, Petracca F, Cappellaro G. Implementation of Machine Learning Applications in Health Care Organizations: Systematic Review of Empirical Studies. Journal of medical Internet research. 2024. DOI: https://doi.org/10.2196/55897. PubMed: https://pubmed.ncbi.nlm.nih.gov/39586084/

## Resposta

A revisão sistemática analisou 34 estudos empíricos sobre a implementação de aplicações de aprendizado de máquina (ML) em ambientes clínicos, com o objetivo de examinar as características dessas aplicações e o processo de implementação, além de sintetizar estratégias adotadas por organizações de saúde. A maioria das aplicações foi implementada em hospitais e focou em prognóstico e diagnóstico.

Utilizando o Consolidated Framework for Implementation Research (CFIR), os autores identificaram dimensões relevantes em diferentes domínios. No domínio do contexto interno, destacaram-se o acesso a conhecimento e informação, a infraestrutura de tecnologia da informação e a cultura organizacional. Em relação à inovação em si, o design da aplicação, a vantagem relativa em comparação à prática clínica existente e a complexidade percebida foram fatores importantes.

Nos demais domínios, o engajamento das partes interessadas, a avaliação reflexiva das práticas e a presença de líderes de implementação foram os principais fatores apontados. Os autores observam que, embora a confiança (trust) em tecnologias de ML tenha emergido como relevante, muitos fatores identificados não são específicos de ML, mas transversais a tecnologias digitais em saúde.

A revisão conclui que mais pesquisas são necessárias para esclarecer os fatores relevantes para a implementação de aplicações de ML no nível organizacional e para apoiar sua adoção nas organizações de saúde. O resumo não informa detalhes sobre a amostra de pacientes ou profissionais envolvidos nos estudos primários, nem sobre limitações metodológicas específicas.

Para o médico brasileiro, os achados reforçam a importância de considerar aspectos organizacionais e contextuais ao planejar a incorporação de ferramentas de ML na prática clínica, indo além das características técnicas da inovação.

## O que o estudo mostrou

Trata-se de uma revisão sistemática da literatura, seguindo as diretrizes PRISMA, que buscou estudos empíricos publicados entre 2013 e 2023 em PubMed, Scopus e Web of Science. Foram selecionados 34 estudos para síntese. As aplicações de ML foram implementadas principalmente em hospitais (29/34, 85%) e apoiavam principalmente prognóstico (20/34, 59%) e diagnóstico (10/34, 29%). A análise temática baseada no CFIR identificou fatores como acesso a conhecimento e informação (12/34, 35%), infraestrutura de TI (11/34, 32%), cultura organizacional (9/34, 26%), design da inovação (15/34, 44%), vantagem relativa (14/34, 41%), complexidade percebida (14/34, 41%), engajamento das partes interessadas (12/34, 35%), avaliação reflexiva das práticas (11/34, 32%) e presença de líderes de implementação (9/34, 26%).

## Limitações

O resumo não informa limitações metodológicas específicas da revisão, como viés de publicação ou heterogeneidade dos estudos incluídos. Também não detalha a qualidade dos estudos primários nem o contexto geográfico ou organizacional em que foram realizados. Os autores destacam que mais pesquisas são necessárias para esclarecer os fatores relevantes no nível organizacional.

## Aplicação no consultório

Os achados podem orientar médicos e gestores de consultórios a considerar aspectos organizacionais ao avaliar a adoção de ferramentas de ML, como a infraestrutura de TI disponível, a cultura da equipe e o engajamento dos profissionais. A identificação de líderes de implementação e a avaliação reflexiva das práticas também são pontos a serem observados. O resumo não fornece recomendações específicas para consultórios individuais, mas destaca a importância de fatores contextuais para o sucesso da implementação.

## Perguntas para aprofundar

- Quais estratégias podem facilitar a implementação de ferramentas de aprendizado de máquina em consultórios médicos?
- Como a cultura organizacional influencia a adoção de tecnologias de aprendizado de máquina na prática clínica?
- Quais são os principais desafios para a implementação de aplicações de aprendizado de máquina em organizações de saúde?

Tema: Regulação e validação clínica de IA. Página: https://alphadoctor.com.br/ciencia/ia-regulacao-validacao/quais-fatores-influenciam-a-implementacao-de-aplicacoes-de-aprendizado-de/

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