Veja também:

• Todas as notícias sobre a pandemia de Covid-19
• Guias e explicadores: as suas dúvidas esclarecidas
• Boletins Covid-19: gráficos, balanços e outros números

O novo sistema, SNS24 Scout, com base na inteligência artificial, está a ser desenvolvido, desde janeiro, por uma equipa de investigadores da Universidade de Évora (UÉ) e ganha, agora, maior relevância face à situação de pandemia covid-19, que colocou a descoberto algumas fragilidades da Linha SNS24.

À frente da equipa de investigadores, Paulo Quaresma acredita que “até ao final do ano” será possível “ter uma aplicação com a capacidade de sugerir o algoritmo clínico mais adequado a cada situação com uma precisão superior a 95%”, revela, “reunindo condições para ser integrada na atual aplicação do SNS24”, sujeita, atualmente, a “forte pressão”.

“Se se confirmar a nossa expectativa em termos da qualidade de desempenho, poderá vir a ser um importante sistema de apoio à decisão dos profissionais da Linha de atendimento do SNS24”, considera este professor do Departamento de Informática da UÉ.

“Pretendemos conseguir diminuir mais do que 5% no tempo médio de cada chamada telefónica, mantendo ou mesmo aumentando a qualidade do serviço prestado, permitindo um ganho anual de 350.000 minutos, o que permite realizar mais 50.000 atendimentos”, assegura o investigador.

O projeto “Aplicação de Metodologias de Inteligência Artificial e Processamento de Linguagem Natural no Serviço de Triagem, Aconselhamento e Encaminhamento do SNS 24”, está a ser feito em parceria com Serviços Partilhados do Ministério da Saúde, E.P.E. (SPMS), contando com uma equipa multidisciplinar de investigadores da UÉ, do NOVA LINCS – Laboratório de Informática e Ciências da Computação e do Centro de Investigação em Matemática e Aplicações (CIMA).

“Numa primeira fase, foi necessário identificar os algoritmos mais adequados para um determinado conjunto de sintomas, com ajuste para idade e sexo”, explica o coordenador do projeto, indicando que foi desenvolvido “um pequeno protótipo, com base em apenas três meses de dados do SNS24, que demonstrou ter um desempenho muito positivo”.

Para desenvolvimento do SNS24 Scout a equipa está a aplicar técnicas de Processamento de Língua Natural (PLN) e de Aprendizagem Automática (ML-Machine Learning), desenvolvidas especificamente para a língua portuguesa, bem como a metodologias de representação de conhecimento.

A UÉ revela, ainda, que “a metodologia é alicerçada em classificadores construídos com base em algoritmos de aprendizagem automática sobre um conjunto de dados anonimizados, obtidos a partir dos contactos para o SNS 24 em 2017, 2018 e 2019, dados que representam uma experiência acumulada superior a 2 milhões de casos.”

Depois da criação do modelo de predição, o sistema será implementado no Serviço de Triagem, Aconselhamento e Encaminhamento (TAE) do SNS 24, com caráter de suporte à decisão, auxiliando o enfermeiro a selecionar, em tempo real, o algoritmo clínico mais adequado.

A avaliação deste impacto será “efetuada por análises comparativas do número e percentagem de chamadas telefónicas em que há alteração do algoritmo inicialmente selecionado e da duração média das chamadas telefónicas”, acrescenta a Universidade de Évora.

Após ser implementado, numa fase posterior, os investigadores da UÉ pretendem criar uma ferramenta de apoio ao processo de otimização do desenho dos algoritmos clínicos e respetivos encaminhamentos.

Aos dados encaminhados, serão acrescentados os diagnósticos estabelecidos ao nível hospitalar, podendo, a partir daí, ser avaliados, entre outros, segundo Paulo Quaresma, “o desempenho clínico de cada encaminhamento, quando classificado em termos de segurança e capacidade discriminatória, a previsão do impacto de potenciais alterações aos algoritmos em termos de segurança e desempenho ou a previsão dos diagnósticos efetuados a nível hospitalar para cada algoritmo ou conjunto de sintomas”.

Com este tipo de análise “será possível detetar eventuais padrões anómalos e permitir a tomada de decisões, por parte da Direção-Geral de Saúde, mais informadas e suportadas por «real world data»”, ou seja, através de dados derivados de várias fontes associadas a resultados “numa população heterogénea de pacientes em ambiente real, ensaios clínicos e estudos de corte observacionais, entre outros”, esclarece, por fim, o investigador.