News

Gesto Saúde & Tecnologia usa IA para gerenciar planos de saúde com eficiência

Contratar o melhor plano de gestão do benefício de saúde hoje é um desafio para os departamentos de recursos e também para o financeiro, tendo em vista a pressão dos reajustes não só da inflação econômica quanto da médica.

Ajudar as empresas a resolver da melhor maneira essa equação é a proposta da Gesto, que se se baseia em inteligência artificial, para de forma preditiva escolher e gerenciar planos de saúde, com benefício da redução de custos repassada para os clientes.

Fabiana Salles, CEO, fundadora da Gesto Saúde & Tecnologia e empreendedora Endeavor, explica que para se ter eficiência as empresa não podem apenaschecar o extrato de uso e arcar com os aumentos anuais das operadoras ou apostar no downgrade para reduzi-lo. “Essa postura não se mostra sustentável no atual cenário de contenção de custos e para fazer diferente é necessário contar com o que a tecnologia tem a oferecer. Gerenciar sem o seu auxílio é como dirigir olhando apenas para os retrovisores, para o passado. Já com a inteligência aplicada aos dados é possível ir além e identificar com clareza o que vai acontecer no futuro”, enfatiza a executiva.

Segundo ela, é isso o que a Gesto faz: ela abre um grande para-brisa para o gestor enxergar o que vem pela frente. Ela gerencia mensalmente um banco de 6 milhões de vidas, maior do que a população de 95% das cidades brasileiras, por exemplo. Sua principal ferramenta é uma plataforma capaz de armazenar, combinar e analisar os dados de uma população a partir de diversas fontes (como o extrato de uso do plano de saúde, atestado médico, afastamentos, folha de pagamento, riscos ocupacionais e programas de promoção, entre outras).

A partir delas e dos algoritmos e modelos preditivos exclusivos, a equipe técnica formada por médicos e cientistas com perfil epidemiológico transforma os fragmentos em informações precisas para suportar todo o ciclo do benefício, como previsão de custos futuros, estratificação e segmentação de riscos, cálculo de retorno de investimento (ROI) de programas de saúde, negociação sobre plano de saúde, identificação de fraude, gestão de afastados e redução de Fator Acidentário de Prevenção (FAP) e Riscos Ambientais do Trabalho (RAT).

Na prática, os clientes recebem um conjunto de métricas – que mostra um cenário interno da gestão de saúde; um conjunto de indicadores – que traça médias sobre o mercado para medir a eficiência da gestão de saúde de cada player; listas de trabalho – que orientam as necessidades de cada grupo de colaboradores, com necessidades específicas, e conferem agilidade para a tomada de decisões; e benchmark da saúde, com base em informações levantadas na sua base de vidas, que é a maior do mercado. E isso tudo confere visibilidade e conhecimento para, ao mesmo tempo, reduzir o gasto das empresas com saúde (por meio de melhores escolhas do plano, de ações de prevenção ou de estímulo de cuidados) e gerar melhoria na qualidade de vida dos colaboradores (ao garantir um melhor bem estar por meio do financiamento da sua saúde).

Lógica aplicada à cotação do benefício

De forma geral, para precificação são solicitados dados como faixa etária da população, divisão por gênero, a lista de afastados, o apontamento dos maiores usuários e, por fim, a sinistralidade do último ano. Não há detalhamento. Com base nisso, a operadora faz o melhor que pode em relação as suas negociações e devolve as opções disponíveis como se fossem blocos de montar. E sem conhecer a fundo suas necessidades, a tendência é eleger o produto aparentemente adequado pelo menor preço pensando ser um ótimo negócio. Também é uma prática bastante comum as empresas escolherem pelo prêmio, que é calculado com essa escassez de subsídio, sem perceber que, na verdade, elas pagam pelo sinistro, que não têm ideia do quanto será dentro desse cenário em que falta visibilidade. Logo a sinistralidade estará estourada e o ajustamento de tarifa será quase um convite para voltar ao mercado.

Esse ciclo só se reinicia de forma diferentes para aquelas companhias que desconfiam de ofertas muito baixas, são atentas às cláusulas rescisórias e de correção, se informam sobre o VCMH da operadora escolhida, mas, principalmente, para as que despertam para o fato de que isso se resolve com inteligência e transparência em todas as camadas: na escolha, na negociação e no desenho do plano de saúde, antes da precificação.

Nesse caso, ao tratar a corretagem com ciência de dados e transparência, é possível traçar o perfil populacional da companhia, que envolve entender, por exemplo, a proporção de doentes crônicos e de usuários contumazes; cruzar os dados em um movimento de benchmark com o mercado; e simular, a partir daí, o uso no longo prazo para cotar a melhor opção. Essa previsibilidade de sinistro em operadoras diferentes é que responde se o valor está adequado, se vai cobrir a necessidade e qual o reajuste após 12 meses, que é quando a conta pesada chega.

“Um outro exemplo é a ciência de dados cuidando de vidas.  Peguemos como exemplo o câncer de mama e suponhamos que uma empresa possui em seu quadro 30% de mulheres acima dos 40 anos. Os modelos preditivos podem ajudar a identificar situações específicas como o mapeamento de uma população contumaz (que deveria estar visitando o médico e não está) ou então a população que deveria ter feito o exame de prevenção e não o fez. E, a partir daí ajudar a implementar iniciativas que contribuam para a prevenção dos casos”, explica Fabiana.

Sem a predição, para auxiliar na prevenção dessa população pode-se, por exemplo, criar uma campanha de incentivo à mamografia ou ainda uma ação mais prática como um dia “off” para quem for fazer a mamografia. Entretanto, o gestor só saberá o resultado da adesão muitos meses depois quando tiver acesso ao extrato de uso do plano de saúde. E aí caímos no velho ciclo de discutir doença ao invés de promoção de saúde. Sem visão em tempo real da efetividade das iniciativas e sem ferramentas para entender o histórico passado e prever o futuro fica inviável mensurar o processo com eficiência. Ou seja, dificilmente saberemos com a rapidez necessária quantas dessas mulheres realizaram o exame, quantas levaram ao médico e quantas ainda precisam de algum outro incentivo para se prevenir ou diagnosticar precocemente.

Já com a inteligência aplicada aos dados é possível ir além e identificar com clareza o que vai acontecer no futuro. Isso significa dizer que com a ciência de dados e os modelos preditivos, é possível não apenas mensurar em tempo real quantas delas realizaram o exame e quantas levaram ao médico, como ainda adotar medidas mais inteligentes para incentivar o cuidado (como, por exemplo, zerar a co-participação da mamografia e da consulta com ginecologista para mulheres com mais de 40 anos em uma espécie de co-participação inteligente) ou ainda prever qual a porcentagem da população que será acometida pela doença (e, com isso, desenhar de forma mais eficiente a cobertura do plano de saúde para que a colaboradora tenha acesso aos tratamentos mais eficientes e que evitem, por exemplo, a re-internação).

lém disso, a Gesto tem condições de produzir levantamentos específicos sobre temas de saúde, por exemplo: qual doença afastou mais os colaboradores em um ano, qual a região do país que mais reinterna, quanto uma empresa que gere com eficiência o benefício deixa de gastar (já que saúde é um custo que nunca regride), entre outros.

Variação dos custos médicos

Estima-se que 12% dos recursos de uma companhia sejam destinados para financiar a saúde dos seus colaboradores, um gasto que perde apenas para a folha de pagamento. Além disso, de acordo com a Agência Nacional de Saúde Suplementar (ANS), atualmente mais de 47 milhões de brasileiros são atendidos pelos planos de saúde. Mais de 65% dessa conta pertence às empresas, visto que a modalidade mais contratada é a coletiva empresarial. E trata-se de um custo que nunca regride, só aumenta. Isso porque, a variação dos custos médicos e hospitalares (VCMH) sobe anualmente na casa dos dois dígitos, em proporções maiores do que a inflação.