Gestão de riscos e segurança do paciente na era da inteligência artificial: uma revisão sistemática
Contexto: Os sistemas de saúde são formados por organizações complexas nas quais vários fatores (ambiente físico, fatores humanos, tecnologia, qualidade do cuidado) estão interconectados, formando uma rede densa, cujo desequilíbrio pode comprometer a segurança do paciente. Neste cenário, é fácil entender a necessidade dos hospitais de expandir seus programas de gestão de riscos clínicos de forma reativa e proativa, e a inteligência artificial se encaixa bem nesse contexto. Esta revisão sistemática procura investigar os conhecimentos mais recentes sobre o impacto da IA nos processos de gestão de riscos clínicos. Para simplificar a análise e motivar comparações padronizadas com quaisquer estudos futuros, agrupamos os resultados desta revisão de acordo com a possibilidade de aplicar a IA na prevenção dos diferentes tipos de incidentes definidos pela ICPS. Materiais e Métodos: Em 3 de novembro de 2023, realizamos uma revisão sistemática da literatura de acordo com as diretrizes PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), usando as bases de dados SCOPUS e Medline (via PubMed). Identificamos um total de 297 artigos. Depois do processo de seleção, incluímos 36 artigos na revisão sistemática. Resultados e discussão: Os estudos incluídos nesta revisão permitiram identificar três domínios principais para os “tipos de incidentes”: processos clínicos, infecções relacionadas à assistência à saúde e medicação. Outra aplicação relevante da IA na gestão de riscos clínicos diz respeito à notificação de incidentes. Conclusões: Esta revisão destacou que a IA pode ser aplicada de forma transversal em vários contextos clínicos para aumentar a segurança do paciente e facilitar a identificação de erros. Ela parece ser uma ferramenta promissora para melhorar a gestão de riscos clínicos, embora seu uso exija supervisão humana e não possa substituir completamente as habilidades humanas. Para facilitar a análise dos resultados desta revisão e permitir a comparação com revisões sistemáticas futuras, consideramos útil fazer referência a uma taxonomia preexistente para a identificação de eventos adversos. No entanto, os resultados deste estudo destacaram a utilidade da IA não só para prevenir riscos na prática clínica, mas também para melhorar o uso de uma ferramenta essencial de identificação de riscos — a notificação de incidentes. Por isso, a taxonomia das áreas de aplicação da IA nos processos clínicos deve incluir uma classe adicional relacionada às ferramentas de identificação e análise de riscos. Para isso, consideramos conveniente utilizar a classificação da ICPS.
Background: Healthcare systems represent complex organizations within which multiple factors (physical environment, human factor, technological devices, quality of care) interconnect to form a dense network whose imbalance is potentially able to compromise patient safety. In this scenario, the need for hospitals to expand reactive and proactive clinical risk management programs is easily understood, and artificial intelligence fits well in this context. This systematic review aims to investigate the state of the art regarding the impact of AI on clinical risk management processes. To simplify the analysis of the review outcomes and to motivate future standardized comparisons with any subsequent studies, the findings of the present review will be grouped according to the possibility of applying AI in the prevention of the different incident type groups as defined by the ICPS. Materials and Methods: On 3 November 2023, a systematic review of the literature according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines was carried out using the SCOPUS and Medline (via PubMed) databases. A total of 297 articles were identified. After the selection process, 36 articles were included in the present systematic review. Results and Discussion: The studies included in this review allowed for the identification of three main “incident type” domains: clinical process, healthcare-associated infection, and medication. Another relevant application of AI in clinical risk management concerns the topic of incident reporting. Conclusions: This review highlighted that AI can be applied transversely in various clinical contexts to enhance patient safety and facilitate the identification of errors. It appears to be a promising tool to improve clinical risk management, although its use requires human supervision and cannot completely replace human skills. To facilitate the analysis of the present review outcome and to enable comparison with future systematic reviews, it was deemed useful to refer to a pre-existing taxonomy for the identification of adverse events. However, the results of the present study highlighted the usefulness of AI not only for risk prevention in clinical practice, but also in improving the use of an essential risk identification tool, which is incident reporting. For this reason, the taxonomy of the areas of application of AI to clinical risk processes should include an additional class relating to risk identification and analysis tools. For this purpose, it was considered convenient to use ICPS classification.
