Wearables permitem acompanhar sinais fisiológicos entre consultas, mas só produzem valor clínico quando a telemetria é confiável, contextualizada e ligada a um protocolo de resposta. Alertas preditivos devem combinar séries temporais, histórico do paciente e regras clínicas, com validação prospectiva e supervisão humana antes de orientar qualquer intervenção.
O que é telemetria contínua com wearables
Telemetria contínua é a coleta recorrente de dados fisiológicos ou comportamentais por dispositivos conectados, seguida de transmissão, processamento e apresentação para uma equipe assistencial. Na prática, “contínua” nem sempre significa uma amostra por segundo: relógios, sensores, oxímetros e adesivos podem registrar dados em frequências diferentes ou enviar lotes periodicamente.
Entre os dados mais utilizados estão:
- frequência cardíaca e variabilidade da frequência cardíaca;
- saturação periférica de oxigênio;
- frequência respiratória estimada;
- temperatura cutânea ou corporal;
- pressão arterial, quando suportada por equipamento adequado;
- eletrocardiograma de uma ou mais derivações;
- sono, atividade física, passos e gasto energético estimado;
- quedas, postura, marcha e períodos de imobilidade;
- glicose intersticial em dispositivos específicos.
A diferença entre um painel de métricas e um sistema clínico está no fluxo de decisão. Um sistema assistencial precisa identificar qual paciente gerou o evento, avaliar qualidade e contexto, definir prioridade, encaminhar o alerta e registrar o que foi feito.
Como funciona uma arquitetura de monitoramento remoto
Uma arquitetura robusta costuma ter seis camadas.
1. Dispositivo e coleta
O wearable mede um sinal bruto ou uma estimativa calculada pelo fabricante. É necessário conhecer frequência de amostragem, unidades, margem de erro, posicionamento, duração da bateria e condições que prejudicam a leitura.
Movimento, suor, perfusão periférica reduzida, tonalidade da pele, ajuste inadequado e uso fora da posição recomendada podem introduzir artefatos. Por isso, um valor isolado não deve ser tratado automaticamente como evidência de deterioração.
2. Aplicativo ou gateway
O dado pode passar por smartphone, hub doméstico ou gateway hospitalar usando Bluetooth, Wi-Fi ou rede móvel. Essa camada deve lidar com pareamento, autenticação, armazenamento temporário e reenvio após perda de conexão.
Os indicadores operacionais mínimos incluem:
- percentual de tempo com sinal disponível;
- atraso entre medição e ingestão;
- número de desconexões por dia;
- duração média das lacunas;
- versão do firmware e status da bateria.
3. Ingestão e normalização
A plataforma recebe os eventos, converte unidades, remove duplicidades e associa cada leitura ao paciente e ao dispositivo corretos. É importante preservar o dado original, o dado processado, o horário da medição e o horário de chegada.
FHIR pode representar informações por meio de recursos como Patient, Device, Observation, Encounter e CarePlan. Em ambientes legados, mensagens HL7 v2, como ORU, podem transportar resultados, exigindo uma camada de integração e mapeamento semântico.
4. Processamento de séries temporais
Filtros de qualidade, janelas móveis e agregações ajudam a distinguir tendência de ruído. Exemplos incluem mediana em cinco minutos, variação em relação à linha de base individual e persistência de uma alteração por várias janelas.
Dados ausentes não devem ser preenchidos silenciosamente. O sistema precisa sinalizar se a ausência representa desconexão, retirada do dispositivo ou falha de processamento.
5. Motor de risco e alertas
O motor pode usar limites fixos, regras compostas, modelos estatísticos ou aprendizado de máquina. A saída útil não é apenas uma pontuação: deve apresentar nível de risco, variáveis relevantes, tendência, qualidade do sinal e ação recomendada pelo protocolo institucional.
6. Fluxo assistencial e auditoria
O alerta deve chegar à pessoa certa, no canal certo e dentro do tempo definido. A plataforma precisa registrar entrega, leitura, reconhecimento, escalonamento, decisão e desfecho, formando uma trilha auditável.
De limites fixos a alertas preditivos
Um limite fixo, como saturação abaixo de determinado valor, é simples de explicar, mas ignora a linha de base do paciente e a combinação entre sinais. Isso pode gerar alarmes em excesso ou detectar a deterioração tarde demais.
Alertas preditivos procuram estimar a probabilidade de um evento em uma janela futura. Os modelos podem considerar:
- tendência e velocidade de mudança dos sinais;
- variabilidade e correlação entre variáveis;
- idade, comorbidades e histórico clínico disponível;
- medicamentos e intervenções recentes;
- padrões de atividade, sono ou mobilidade;
- contexto de internação, pós-operatório ou cuidado domiciliar;
- qualidade e quantidade de dados presentes.
A IA não elimina regras clínicas. Uma abordagem híbrida costuma ser mais controlável: regras de segurança tratam situações críticas conhecidas, enquanto o modelo detecta padrões multivariados ou desvios da linha de base.
Como reduzir fadiga de alarmes
A fadiga de alarmes ocorre quando muitos alertas irrelevantes reduzem a atenção da equipe. Sensibilidade alta isoladamente não resolve o problema: se o valor preditivo positivo for baixo, profissionais precisarão revisar muitos casos sem deterioração real.
Medidas práticas incluem:
- Exigir persistência: evitar alertar por uma única amostra anormal.
- Combinar variáveis: confirmar um sinal com tendência, sintoma ou outra medida.
- Personalizar a linha de base: comparar o paciente consigo mesmo quando clinicamente adequado.
- Aplicar períodos de silêncio controlados: impedir notificações repetidas sem ocultar agravamento.
- Separar prioridade de notificação: eventos informativos não devem usar o mesmo canal de emergências.
- Considerar qualidade do sinal: baixa confiança deve gerar pedido de nova medição, não diagnóstico automático.
- Coletar feedback: registrar se o alerta foi útil, falso, tardio ou impossível de avaliar.
As métricas de avaliação devem incluir sensibilidade, especificidade, valor preditivo positivo, alertas por paciente-dia, tempo de antecedência, taxa de reconhecimento e tempo até a ação. AUROC, isoladamente, não informa quantos alarmes a operação precisará absorver.
Validação clínica e técnica
O desempenho histórico não garante segurança em produção. População, prevalência do evento, equipamento, protocolo assistencial e qualidade dos dados podem mudar.
Um processo responsável passa por quatro etapas:
Validação retrospectiva
Testa o modelo em dados separados daqueles usados no desenvolvimento. A divisão precisa evitar vazamento entre registros do mesmo paciente e respeitar a ordem temporal quando aplicável.
Operação silenciosa
O modelo roda com dados reais, mas seus alertas não alteram o cuidado. Essa fase mede latência, disponibilidade, distribuição de risco e alarmes esperados sem expor pacientes a decisões ainda não validadas.
Piloto supervisionado
Uma equipe restrita recebe os alertas seguindo protocolo previamente aprovado. Critérios de inclusão, responsabilidades, escalonamento e documentação precisam estar definidos.
Monitoramento pós-implantação
Drift de dados e mudanças na população podem degradar o desempenho. A instituição deve acompanhar calibração, falsos negativos, carga de alarmes, falhas de integração e diferenças relevantes entre grupos.
Segurança, privacidade e responsabilidade
Dados de saúde são dados pessoais sensíveis segundo a LGPD. O projeto deve aplicar necessidade, finalidade, controle de acesso, rastreabilidade e proteção durante transmissão e armazenamento.
O checklist técnico inclui:
- criptografia em trânsito e em repouso;
- autenticação forte e acesso por função;
- inventário de dispositivos e revogação de credenciais;
- logs protegidos contra alteração indevida;
- política de retenção e descarte;
- plano de resposta a incidentes;
- segregação entre ambientes de desenvolvimento e produção;
- avaliação de fornecedores, SDKs e APIs externas;
- continuidade operacional durante indisponibilidade de internet.
A classificação regulatória depende da finalidade pretendida e do uso do software ou dispositivo. Uma solução de bem-estar, um painel de apoio e um sistema que influencia conduta clínica podem ter exigências diferentes; essa análise deve envolver áreas clínica, jurídica, de segurança e regulatória.
Critérios para decidir se o projeto está pronto
Antes de implantar telemetria remota, a organização deve responder objetivamente:
- Qual evento clínico ou operacional será detectado?
- Qual antecedência mínima permite uma ação útil?
- Quem recebe o alerta e em quanto tempo deve responder?
- O que acontece durante perda de conexão?
- Quantos alertas por paciente-dia a equipe consegue revisar?
- Há integração com prontuário, internação e identificação do paciente?
- O wearable mede diretamente ou apenas estima a variável?
- O desempenho foi avaliado na população de uso?
- Existe protocolo para falso positivo e falso negativo?
- É possível reconstruir cada decisão a partir dos logs?
Se essas respostas não estiverem definidas, adicionar IA tende a automatizar uma operação ambígua, não a resolvê-la.
Como a Predictor Solutions resolve isso
A Predictor Solutions desenvolve sistemas de saúde com integrações HL7 v2 e FHIR, engenharia de dados, infraestrutura cloud, segurança e inteligência artificial aplicada. O trabalho combina ingestão de telemetria, normalização clínica, processamento de séries temporais, dashboards, motores de alerta e trilhas de auditoria, sem substituir a necessária validação clínica e regulatória da instituição.
O Predictor Health é um dashboard de saúde integrado a wearables. Já o Predictor AI Hospitals trabalha com predição de sepse, infarto e pneumonia em UTI, cenários nos quais qualidade temporal, explicabilidade operacional e controle da fadiga de alarmes são requisitos centrais.
A empresa está sediada em Lavras, Minas Gerais, e já atendeu nove organizações de médio e grande porte. Em seu portfólio de projetos, registra economia média de R$ 1,32 milhão por cliente ao ano, aumento médio de produtividade de 70% e crescimento de lucro de 43% em seis meses; esses resultados são gerais e não devem ser interpretados como eficácia clínica específica de um wearable ou modelo preditivo.
Contato: contato@predictorsolutions.com / WhatsApp +55 31 98835-3246.