Novo modelo de triagem no Serviço de Oftalmologia do Hospital de Loures

Abstract

A pressão assistencial em oftalmologia, agravada pela escassez de profissionais, exige soluções que tornem o percurso do doente mais célere e equitativo. Este projeto incide sobre o serviço de oftalmologia do hospital de Loures, sugerindo duas intervenções complementares. A primeira diz respeito à utilização de soluções de inteligência artificial na sua forma mais simbólica, (regras "if-then") através de um "Clinical Decision Support System" (CDSS) integrado no programa Consulta a Tempo e Horas (CTH) e, na sua forma de aprendizagem supervisionada ("Machine Learning") com técnicas de explicabilidade, "SHapley Additive ExPlanations" (SHAP). A segunda intervenção diz respeito à reestruturação do protocolo das consultas de oftalmologia de primeira vez, introduzindo uma abordagem mais alargada da triagem efetivada pelos ortoptistas. Foi realizada a caracterização do serviço de oftalmologia do hospital de Loures servindo de enquadramento para o projeto piloto onde se comparou o período Antes do Projeto (AP) com o Durante Projeto (DP). Como resultados revela-se que as altas clínicas foram 16,3% no AP vs. 33,3% no DP (Δ=+17,1 pp). A produtividade aumentou de 17,2 para 33,0 consultas/sessão. Este projeto permite reestruturar a triagem da consulta realizada pelos ortoptistas aumentando a capacidade total e promovendo as decisões na primeira consulta, evidenciando que a capacitação de abordagens não médicas constitui um ponto crucial no aumento da eficácia do serviço de oftalmologia. O CDSS proposto oferece um caminho transparente e escalável para uniformizar a referenciação e apoiar a priorização.

The operational pressure on ophthalmology care, exacerbated by the shortage of professionals, requires solutions that offer timelier and more equitable care. This project focuses on the ophthalmology department at Loures Hospital, suggesting two complementary interventions. The first involves the use of artificial intelligence solutions in their most symbolic form (if-then rules) through a Clinical Decision Support System (CDSS) integrated with the Consulta a Tempo e Horas (CTH) program, and in their supervised learning (Machine Learning) method with explainability techniques, SHapley Additive ExPlanations (SHAP). The second intervention involves restructuring the protocol for first-time ophthalmology appointments, introducing a broader approach to triage performed by orthoptists. The ophthalmology department at Loures Hospital was characterized, serving as a framework for the pilot project, comparing the Before Project (AP) with the During Project (DP) periods. The results reveal that clinical discharges were 16.3% in the AP vs. 33.3% in the DP (Δ=+17.1 pp). Productivity increased from 17.2 to 33.0 consultations per session. This project allows for the restructuring of consultation triage performed by orthoptists, increasing overall capacity and promoting firstvisit decisions, demonstrating that training non-medical approaches is crucial to increasing the effectiveness of ophthalmology services. The proposed CDSS offers a transparent and scalable pathway to standardize referrals and support prioritization.