Por Júlia Benfato, Head de HBI (Health Business Intelligence) da level

A sustentabilidade financeira tornou-se uma das principais preocupações da saúde suplementar brasileira. O avanço contínuo dos custos médico-hospitalares, acompanhado pelo Índice de Variação de Custos Médico-Hospitalares (VCMH), do Instituto de Estudos de Saúde Suplementar (IESS), evidencia a pressão crescente sobre hospitais e operadoras para fazer mais com os mesmos recursos. Nesse cenário, a discussão sobre eficiência deixou de ser uma escolha estratégica e passou a ser uma necessidade do setor.

No entanto, a sustentabilidade não depende apenas da redução de despesas isoladas, mas da capacidade de aumentar o valor produzido ao longo de toda a jornada do paciente, buscando melhores desfechos clínicos em relação aos recursos utilizados. Essa perspectiva desloca o foco do custo de procedimentos individuais para a efetividade do cuidado entregue ao paciente e para a organização da jornada assistencial como um todo.

Diante desse contexto, existe uma pergunta que hospitais, operadoras e sistemas públicos de saúde ainda fazem pouco, apesar de ela determinar boa parte dos seus resultados assistenciais e financeiros. Não é quanto custa um tratamento. Nem quanto aumentou a sinistralidade. Muito menos qual será a próxima tecnologia incorporada.

A pergunta é: quantos pacientes precisariam estar em tratamento hoje e simplesmente não foram encontrados?

Essa talvez seja uma das maiores lacunas da gestão em saúde contemporânea.

Nos últimos anos, avançamos de forma extraordinária na digitalização do setor. Prontuários eletrônicos, inteligência artificial, interoperabilidade, telemedicina e ferramentas analíticas transformaram profundamente a maneira como produzimos e armazenamos informações. Nunca houve tanto dado disponível.

Paradoxalmente, esse avanço não eliminou um problema fundamental: continuamos tomando muitas decisões olhando para o retrovisor.

Os principais indicadores utilizados pelas organizações (tempo médio de permanência, ocupação de leitos, sinistralidade, custos assistenciais, reinternações) continuam essenciais. Mas todos possuem uma característica em comum: medem aquilo que já aconteceu. Eles explicam as consequências, mas raramente ajudam, sozinhos, a evitar que elas aconteçam.

Embora o Business Intelligence contemporâneo também possa incorporar análises preditivas e prescritivas, grande parte dos painéis utilizados atualmente na saúde ainda permanece concentrada em indicadores retrospectivos, voltados a explicar eventos que já ocorreram, e não necessariamente a identificar pacientes que precisam de uma intervenção naquele momento.

Enquanto isso, milhares de pacientes permanecem invisíveis dentro das próprias bases de dados das organizações.

São pessoas que realizaram exames, possuem fatores de risco conhecidos, apresentam critérios para determinadas linhas de cuidado ou já demonstraram sinais de agravamento clínico, mas que não foram identificadas no momento em que uma intervenção poderia produzir maior impacto.

Essa invisibilidade não ocorre necessariamente pela ausência de informação. Muitas vezes, as informações já existem, mas permanecem fragmentadas entre laudos, prontuários, prescrições, atendimentos de urgência, internações e bases administrativas.

Quando esses sinais não são conectados, a organização pode conhecer cada evento isoladamente e, ainda assim, não reconhecer a jornada completa do paciente. A literatura sobre segurança diagnóstica e continuidade do cuidado demonstra que falhas de acompanhamento, informações fragmentadas e oportunidades perdidas de diagnóstico ou intervenção constituem desafios relevantes para os sistemas de saúde (NATIONAL ACADEMIES OF SCIENCES, ENGINEERING, AND MEDICINE, 2015; SINGH; SITTIG, 2015).

O desperdício gerado por essa invisibilidade é diferente daquele normalmente associado à saúde. Trata-se da perda da oportunidade de agir cedo.

Em diferentes condições clínicas, atrasos na identificação, no diagnóstico, no início do tratamento ou no acompanhamento podem estar associados à progressão da doença, a piores desfechos e à necessidade de intervenções mais complexas. Na oncologia, por exemplo, estudos demonstram associação entre atrasos no início do tratamento e aumento do risco de mortalidade em diferentes indicações clínicas (HANNA et al., 2020).

Esse é um tipo de desperdício que dificilmente aparece nos indicadores tradicionais. Talvez por isso ele permaneça tão pouco discutido. Essa realidade evidencia uma limitação importante da forma como utilizamos dados na saúde.

Durante décadas, o Business Intelligence transformou a gestão empresarial ao permitir que executivos acompanhassem indicadores financeiros, operacionais e comerciais com muito mais precisão. Foi uma evolução decisiva para praticamente todos os setores da economia.

Na saúde, porém, a lógica precisa avançar.

Nosso principal ativo não é um produto, um equipamento ou um estoque. É uma jornada clínica em constante transformação. Pacientes evoluem, respondem aos tratamentos, abandonam terapias, desenvolvem novas condições e retornam ao sistema em momentos distintos. A gestão precisa acompanhar esse movimento.

Isso exige uma inteligência capaz de integrar informação clínica, operação assistencial e desempenho econômico em uma única lógica de decisão. Essa abordagem busca compreender quem precisa de atenção agora, qual deve ser a próxima intervenção e qual impacto essa decisão produzirá tanto para o paciente quanto para a sustentabilidade da organização.

Vejo essa evolução como o surgimento de uma nova disciplina de gestão, que pode ser compreendida como Health Business Intelligence.

Enquanto o Business Intelligence é utilizado de forma predominantemente retrospectiva, essa nova maneira de ver procura responder quem ainda não entrou na linha de cuidado, onde existem oportunidades perdidas de intervenção e como transformar informação clínica em decisões capazes de alterar desfechos.

Essa mudança também reposiciona o papel da inteligência artificial. A inteligência artificial consegue ler milhões de registros clínicos, interpretar textos médicos, estruturar informações dispersas e identificar padrões invisíveis para qualquer equipe trabalhando manualmente. Mas ela não decide tratamentos, não substitui o julgamento clínico nem elimina a responsabilidade das equipes assistenciais. Seu papel é tornar visível aquilo que hoje permanece escondido.

A efetividade dessas soluções depende da qualidade dos dados, da validação clínica, da integração aos fluxos assistenciais, do monitoramento contínuo e da existência de responsáveis humanos pelas decisões. Um algoritmo isolado pode produzir uma classificação. Transformar essa classificação em cuidado exige governança, processo e equipe.

E é justamente nesse ponto que tecnologia e estratégia passam a caminhar juntas.

A verdadeira transformação digital da saúde não acontecerá porque teremos algoritmos mais sofisticados. Ela acontecerá quando utilizarmos essas capacidades para antecipar decisões, reduzir perdas invisíveis e construir linhas de cuidado capazes de acompanhar o paciente em tempo real.

No futuro, acredito que organizações de saúde deixarão de ser reconhecidas apenas pela qualidade da assistência ou pela eficiência operacional. Serão reconhecidas também pela capacidade de transformar seus dados em inteligência para agir antes que o problema aconteça.

Essa talvez seja a principal mudança de paradigma da próxima década.

Quer aprofundar essa conversa? Fale com o time da level.