Para garantir a qualidade do tratamento dos seus beneficiários,
a Odontoprev, em parceria com a MaChiron, analisa 100% dos
tratamentos realizados. Essa análise é feita pela equipe de
Gestão de Qualidade, garantindo que todos os procedimentos sigam
os protocolos clínicos em vigor e o padrão de qualidade exigido.
Diante da grande quantidade de exames e fichas recebidas,
antes do início do projeto o dentista auditor gastava maior
parte do seu tempo focado em tarefas que poderiam ser
automatizadas, por exemplo, verificando a qualidade dos
exames e conferindo os dados do paciente.
Com a parceria, o objetivo foi criar um sistema automático
de avaliação da documentação radiológica, facilitando o
trabalho do dentista e permitindo que ele foque o seu tempo
em avaliar critérios mais técnicos, utilizando a sua
expertise para a análise de casos mais complexos. Ou seja,
reduzir o tempo dedicado em atividades operacionais,
permitindo que ele se concentre em atividades mais
estratégicas.
O sistema considera diversas funcionalidades para uma
avaliação automática da documentação radiológica: um
algoritmo capaz de identificar o tipo de exames de cada
imagem entre as categorias (levantamento, panorâmica,
periapical e interproxima); um método de extração de texto
presente na imagem para a conferência de datas e nomes; um
detector de imagens com baixa qualidade e imagens com
regiões modificadas suspeitas de fraude.
Neste projeto, utilizamos diferentes técnicas de
machine learning, incluindo redes neurais para
classificação do tipo de exame e avaliação da qualidade dos
exames e Optical Character Recognition (OCR) para
identificar o texto dos exames comparando com os dados
cadastrais do paciente.
Diariamente a Odontoprev recebe em média 8 mil imagens de
radiografias que são tratadas de forma manual e
individualizada pela equipe de convergência digital.
Deste modo, com uma parceria entre as equipes
multidisciplinares da Odontoprev e da MaChiron, criamos um
algoritmo de machine learning capaz de identificar as
radiografias da ficha do paciente e fazer o tratamento
adequado em cada uma das radiografias, além de excluir
bordas e corrigir o direcionamento das imagens.
O projeto desenvolvido resultou na padronização das fichas
reduzindo o tempo de tratamento, além de permitir ganho de
escala.