CDMS | Conclusão da Fase de Estudos e Início da Definição Técnica

O projeto CDMS – Claim Denials Management Solution nasce da premissa que a inovação só tem impacto real quando é aplicada a problemas concretos com utilidade prática, que neste caso passa por repensar a forma como as organizações de saúde gerem devoluções de faturas litígios, e perdas evitáveis na receita.

Nesta primeira fase do projeto, os esforços centraram-se na análise da problemática. Mais do que validar uma ideia, quisemos responder a uma pergunta concreta: há espaço e urgência para uma solução de gestão inteligente de devolução de faturas, baseada em Generative AI? A resposta foi clara.

A maturidade digital varia, mas o problema é transversal

A análise de mercado desenvolvida pelo co-promotor Effy centrou-se em duas frentes: análise de mercado e monitorização tecnológica e levantamento de requisitos funcionais e validação com utilizadores finais.

Esta análise revelou um padrão recorrente em diferentes geografias: o impacto financeiro das devoluções é significativo e, apesar dos avanços em HealthTech e saúde digital, a reconciliação entre dados clínicos e faturação continua a gerar falhas de cobrança, reembolsos rejeitados, litígios com entidades pagadoras, custos operacionais elevadíssimos e perdas anuais na ordem dos biliões.

Em Portugal, nos EUA e nos países do GCC (Gulf Cooperation Council), identificámos o problema comum: as estruturas atuais de gestão de devoluções são reativas, fragmentadas e pouco transparentes, o que reforça a pertinência de soluções proativas, automatizadas e que permitam ações e decisões orientadas por dados.

Equilibrar Inovação e Conformidade: AI com Preservação de Privacidade na Saúde

A integração de Generative AI, particularmente Large Language Models (LLMs), na área da saúde tem o potencial transformador de melhorar o atendimento ao paciente e a eficiência operacional. No entanto, essa inovação entra em conflito com regulamentações de privacidade rigorosas, como a HIPAA e o GDPR, que exigem a proteção de dados sensíveis de saúde. O desafio está em equilibrar os recursos de Generative AI com a conformidade, garantindo que as informações de saúde privadas permaneçam seguras.

Neste âmbito, o co-promotor RANDY LABS liderou a avaliação das melhores práticas para o desenvolvimento e operação de agentes de inteligência artificial em contextos clínicos.

A abordagem considera desde o design até à execução de agentes especializados em tarefas como triagem de documentos, deteção de incoerências, análise de contexto e apoio à decisão.

Para garantir o cumprimento dos requisitos legais e éticos mais exigentes — incluindo a conformidade com a HIPAA — foram incorporadas práticas como: desidentificação e anonimização, geração de dados sintéticos, privacidade diferencial, aprendizagem federada, criptografia homomórfica e computação segura multipartidária, uso de LLMs em ambientes on-premises ou arquiteturas híbridas para maior controlo e auditabilidade.

Esta fundação permite a adoção de agentes baseados em LLMs de forma responsável, segura e eficaz, assegurando que a inteligência artificial atua como apoio confiável no ecossistema clínico.

Mas todas estas abordagens envolvem trade-offs e muitas vezes requerem trabalho adicional de implementação e um impacto mensurável na latência, qualidade, custo computacional e consumo energético associado, pelo que o trabalho de investigação do co-promotor INESC TEC na área do estudo de otimização de custos de processamento em Generative AI é fundamental para o sucesso deste projeto.

O compliance não é uma barreira à inovação, mas um catalizador para desenvolver soluções de sistemas de IA seguros, robustos, confiáveis e mais eficientes. Este equilíbrio será fundamental para aproveitar o poder dos agentes de IA na saúde, mantendo a confiança dos pacientes e o cumprimento das obrigações legais e das suas éticas de privacidade.

O envolvimento e a experiência do utilizador

Esta fase inicial do projeto contou também com a participação ativa do parceiro CUF que se revelou um elemento-chave para o levantamento e análise das user stories mais adequadas às necessidades dos protótipos funcionais, através da auscultação das equipas de Gestão de Contas Entidades.  

Este trabalho permitiu não só identificar requisitos de segurança e gestão de dados, mas também priorizar funcionalidades com impacto imediato na operação, como validação documental, gestão de autorizações e reconciliação de episódios clínicos. Uma visão real e prática do impacto desta solução na eficiência operacional.

Próximos Passos: Transformar a visão num produto funcional

Com os fundamentos técnicos e funcionais já definidos, o projeto entra agora numa nova fase: desenhar e testar os primeiros protótipos da solução CDMS.

O foco estará na construção de uma base tecnológica que permita:

• Aplicar agentes de inteligência artificial para análise contextual e tomada de decisão;

• Orquestrar processos inteligentes de transformação, verificação e enriquecimento de dados;

• Usar técnicas avançadas de sumarização e explicabilidade, centradas no utilizador final;

• Assegurar uma arquitetura robusta, escalável e segura, adaptada a ambientes cloud-native.

Definição da arquitetura do sistema:

• Descrever os sistemas e componentes com foco em agentes AI especializados;

• Definir requisitos técnicos com base em princípios de modularidade e interoperabilidade;

• Estruturar as integrações com sistemas externos e estratégias de deployment automatizado.

Esta jornada é tanto tecnológica como estratégica. A gestão da devolução de faturas é uma oportunidade para tornar o ciclo da receita dos prestadores de serviços de saúde mais transparente, eficiente e sustentável.

Para mais informações sobre o projeto contacte info@effybusiness.com.