Podcast: Reproduza em uma nova janela | Download (Duração: 31h09 – 28,5 MB)
Assine: Podcasts da Apple | Spotify
O veterano diretor de informação e tecnologia conta como um sistema de imagem mamária que não conseguia escalar lançou uma consolidação de imagem de três anos. Assista abaixo ou no YouTube.
Beth Lindsey-Wood, Diretora de Informática e Tecnologia, Moffitt Cancer Center
Um único sistema de imagem da mama que não conseguiu acompanhar o crescimento desencadeou uma consolidação ambiciosa no Moffitt Cancer Center. Beth Lindsey-Wood, diretora de informática e tecnologia do Comprehensive Cancer Center, com sede em Tampa, designado pelo NCI, disse que a organização opera mais de uma plataforma de radiologia e vê poucas chances de alcançar um único fornecedor. Então os números forçaram a questão. O centro estava abrindo uma nova unidade ambulatorial importante. O produto de imagem mamária existente não será dimensionado para acomodá-lo, disse ela em um episódio recente do HealthsystemCIO Show.
Esta limitação tornou-se o catalisador para uma estratégia mais ampla. Após uma RFP há cerca de três anos, os líderes escolheram um fornecedor para todas as imagens. Eles planejaram o lançamento para começar com imagens dos seios. A equipe entrou em operação primeiro no novo Centro Ambulatorial Moffitt e depois o implementou em toda a organização. Finalmente, converteram todo o departamento de radiologia para a nova plataforma. O trabalho também marcou uma mudança para a nuvem, uma mudança significativa para uma organização que trabalha com conjuntos de dados de imagens muito grandes.
Mover imagens grandes para a nuvem foi uma consideração importante durante o planejamento e a equipe avaliou isso cuidadosamente antes de se comprometer. A implementação terminou em abril. O foco agora está na otimização, no engajamento de pesquisa e nas ferramentas de IA que estão na plataforma. Para um centro de câncer construído com base em dados de pesquisa multimodal, a imagem centralizada agrega valor além das leituras diárias.
Como ocorre um problema de imagem
A consolidação decorre mais das operações do que de um mandato de TI de cima para baixo, embora as origens sejam uma combinação de ambos. Moffitt realizou diversas avaliações radiológicas ao longo dos anos e pesquisou a tecnologia subjacente. A limitação do dimensionamento da imagem da mama finalmente tornou a decisão inevitável e as recomendações vieram tanto da TI quanto do departamento. Uma nova liderança forte em radiologia ajudou a elevar o esforço a uma prioridade organizacional, com a missão de investigação a reforçá-lo.
Saber quando um problema de imagem requer uma resposta corporativa é uma disciplina própria. No caso da radiologia, os sinais já existem há anos. O departamento não ficou satisfeito com um sistema implementado há cinco ou seis anos e nunca correspondeu às expectativas, disse ela. Avaliações contínuas ajudaram a separar as lacunas tecnológicas da forma como as equipes estavam realmente usando as ferramentas. Essa abordagem manteve a conversa focada em corrigir a situação, em vez de atribuir culpas.
A economia também surpreendeu a equipe. Passar de um único produto de imagem mamária para a cobertura de todo o departamento de radiologia resultou em custos adicionais modestos. O contrato foi estruturado para envolver todos. Um arquiteto corporativo criou o momento, a abordagem e o caso de negócios por trás da expansão. A radiologia e a patologia constituem uma grande parte dos negócios de oncologia da Moffitt, e ambas estão desenvolvendo tecnologia de imagem mais rapidamente do que a maioria dos outros campos.
Aproximando a TI das operações que ela suporta
Manter uma área especializada como a imagem exige que a TI tenha um conhecimento profundo de seus fluxos de trabalho, e Moffitt construiu vários mecanismos para chegar lá. Uma forte equipe de aplicações cobre serviços auxiliares, apoiada por um grupo de informática clínica com médicos focados em áreas específicas. Um médico concentra-se principalmente em radiologia, e um associado CMIO trabalha em estreita colaboração com a patologia, quase integrado nessa equipe. O modelo funciona no nível médico e por meio de cientistas da computação que fazem parte desses grupos, disse ela.
Os Gerentes de Relacionamento de Negócios de TI ampliam ainda mais esse alcance, servindo como o primeiro ponto de contato para os departamentos e unindo forças-tarefa ao lado de seu VP. Para um centro de câncer, radiologia, patologia e radioterapia oncológica são classificados como os três maiores grupos auxiliares e cada um requer atenção significativa. A cada dois ou três anos, a equipe entra em contato para construir um plano de dois a três anos com cada departamento, perguntando para onde o negócio está indo. Esse roteiro muitas vezes parece esmagador e, em suas palavras, “impossível de orçamentar”. Ainda assim, dá aos líderes um ponto de partida.
Simplificando a adoção à medida que a IA inunda o pipeline
A gestão passou para o centro do trabalho e Moffitt está agora na sua terceira ou quarta iteração. A organização tem um plano estratégico agressivo ao mesmo tempo que faz investimentos muito grandes, incluindo substituições de sistemas ERP e EMR com 30 anos de existência. A IA está na frente e no centro deste trabalho, tornando a priorização um desafio. Os líderes elevaram a gestão ao nível de EVP, de modo que os principais executivos decidem o que avança e o que serve diretamente ao plano estratégico.
O CEO fica fora dessa estrutura e luta com a burocracia e decisões lentas, disse Lindsay-Wood. Essa tensão molda a forma como a TI e a informática clínica processam as solicitações. O antigo modelo de meses de análise do negócio antes da aprovação não vale mais. A equipe simplificou a adoção e continua a refiná-la à medida que a IA impulsiona uma onda de novas solicitações. O caminho mais rápido agora atende pilotos de baixo risco, enquanto o manejo mais pesado só é aplicado quando a complexidade exige.
A IA também oferece parte da solução para a inundação que criou. Moffitt utiliza ferramentas como Copilot e Perplexity para tarefas como due diligence de fornecedores, sempre com verificação humana. O problema mais difícil é o estoque. Uma organização conhece a maioria dos sistemas que possui, mas não conhece todos os detalhes do que cada um faz, e os arquitetos empresariais trabalham para preencher essa lacuna. Assim que este catálogo estiver concluído, a equipe poderá apontar suas ferramentas de IA existentes para responder se o recurso solicitado já existe internamente.
Dados limpos estão por trás de tudo. As ferramentas de IA interagem bem com grandes quantidades de dados, mas primeiro os dados devem ser precisos, disse ela. As equipes geralmente gastam mais tempo acertando do que executando. A correção pertence aos departamentos proprietários de cada conjunto de dados. Como ela disse, o laboratório possui os dados do laboratório e deve mantê-los corretos e etiquetados para que qualquer outra pessoa possa usá-los. Dados que eram bons o suficiente para o trabalho manual muitas vezes ficam aquém quando a automação entra em cena.
Leve embora
- Trate a limitação de escala em um produto de imagem como um gatilho para avaliar a consolidação em todo o departamento.
- Realize avaliações radiológicas e auxiliares periódicas que separam as lacunas tecnológicas dos padrões de uso, mantendo a conversa livre de culpa.
- Estruturar contratos de imagem corporativa para abranger todos os grupos; os custos adicionais fora de um departamento podem ser surpreendentemente modestos.
- Incorpore médicos e informáticos em áreas auxiliares de alta intensidade para que a TI compreenda os fluxos de trabalho que suporta.
- Crie um caminho rápido para a adoção de pilotos de IA de baixo risco e reserve análises de negócios pesadas para solicitações verdadeiramente complexas.
- Conclua um inventário detalhado do sistema antes de esperar que a IA responda se uma habilidade já existe internamente.
- Responsabilize os proprietários dos dados pela precisão e marcação; A TI corporativa pode colocar ferramentas em camadas, mas não pode corrigir os dados subjacentes.
Para Lindsey-Wood, a disciplina de dados se resume à propriedade e à clareza sobre o que os números realmente significam. “Tem que haver alguém que seja o dono – esse é o padrão ouro”, disse ela. “A decisão sobre o que está incluído e o que não está deve ser clara para que as pessoas entendam. Porque quando você entra em sistemas que permitem que você analise e divida e relate por conta própria, saber o que está incluindo em seu relatório é realmente importante.”
