A Kythera Labs está desenvolvendo uma plataforma de estratégia de saúde nativa de AI no Databricks que oferece a qualquer sistema de saúde acesso à inteligência especializada de que precisam e em que podem confiar.
por Bryan Smith, Morgan Wilkie e Kaitlin Ryan
A Kythera Labs está construindo uma plataforma de estrat égia de saúde nativa de AI no Databricks que oferece a qualquer sistema de saúde acesso à inteligência especializada de que precisam e em que podem confiar.
A reunião termina da forma como essas reuniões sempre terminam: com uma pergunta que ninguém consegue responder rápido o suficiente. Um CEO, CIO e CFO saem de uma sessão de planejamento com um mandato: identificar quanta receita de oncologia está saindo do sistema e para onde ela está indo. Em um sistema de saúde com bons recursos, essa pergunta vai para uma empresa de consultoria e volta seis semanas e centenas de milhares de dólares depois. Na maioria dos sistemas de saúde, ela vai para um analista com uma ferramenta de BI e volta quando for possível, com a confiança que os dados permitirem.
A lacuna entre essas duas experiências é o problema que a Kythera Labs foi fundada para resolver.
Os executivos de sistemas de saúde enfrentam um conjunto complexo de decisões estratégicas simultaneamente: aumentar o volume de pacientes, otimizar contratos com operadoras de saúde, avaliar alvos de M&A, identificar mercados subatendidos para expansão e reduzir despesas administrativas, tudo isso com dados incompletos. Essas decisões se alinham com alavancas de criação de valor que, historicamente, exigiam uma capacidade analítica especializada que se correlaciona quase inteiramente com o orçamento institucional.
"O mercado tem sido atendido por ferramentas de BI que operam sobre dados de sinistros", diz Jeff McDonald, CEO da Kythera Labs. "As ferramentas de BI podem fazer um bom trabalho ao representar o que está nos dados. Elas não fazem um bom trabalho ao dizer o que não está nos dados. Isso é a antítese do que a ferramenta foi projetada para fazer."
Os analistas que conseguem preencher essa lacuna (que entendem a ausência de dados e o viés nos dados de sinistros, que conseguem reconstruir a jornada do paciente a partir de registros de faturamento fragmentados, que sabem a diferença entre o que um sinistro diz e o que realmente aconteceu clinicamente) levam anos para se desenvolver. Grandes sistemas de saúde os contratam. Organizações menores passam sem eles ou gastam milhões em empresas de consultoria para alugar essa experiência por projeto. A lacuna de inteligência estratégica na saúde americana não é principalmente um problema de dados. É um problema de distribuição de especialização.
A Kythera Labs está resolvendo isso com AI.
Antes que qualquer agente possa responder a uma pergunta estratégica de forma confiável, os dados sobre os quais ele raciocina precisam ser confiáveis. Esse é um problema mais difícil do que parece.
Os dados de sinistros são resíduos de faturamento, gerados para que os prestadores de serviços sejam reembolsados, e não para que os executivos tomem decisões de estratégia de mercado. Reutilizá-los exige resolver as identidades dos prestadores em dezenas de fontes concorrentes, harmonizar os códigos de procedimentos em 130 vocabulários médicos padronizados, corrigir a ausência sistemática de dados e reconstruir as jornadas dos pacientes como sequências temporais, em vez de coleções de eventos de faturamento desconectados.
A resposta é a tecnologia de dados de saúde da Kythera, que pega 339 bilhões de sinistros médicos e de medicamentos prescritos representando mais de 300 milhões de pacientes, oito anos de histórico, mais de três petabytes de armazenamento e cria algo sobre o qual um agente pode realmente raciocinar — uma estrutura baseada em eventos onde uma substituição de joelho não é um código de faturamento, mas um evento cirúrgico com histórico pré-operatório, alta e uma trajetória de cuidados pós-operatórios. Tudo construído no Databricks. Essa tradução é o verdadeiro trabalho.
É também o que torna as respostas do agente confiáveis. A camada operacional da Kythera roda no Lakebase, Delta Lake, Delta Sharing, Unity Catalog e infraestrutura serverless — para que os dados transacionais que alimentam os fluxos de trabalho em tempo real compartilhem uma única base governada com os dados analíticos sobre os quais os agentes raciocinam. Sem ETL. Sem movimentação de dados. Sem costuras entre a pergunta e a resposta.
A prova está em produção. Um sistema de saúde na Louisiana assinou um contrato com a Kythera em dezembro de 2024 e entrou em operação antes do Natal. Dez dias do contrato ao primeiro insight, com uma visibilidade sobre sua população de pacientes que eles nunca tiveram antes:
150% mais visibilidade sobre os atendimentos de pacientes,
12% mais retenção de pacientes,
22% menos evasão de pacientes e
US$ 3,8M em valor anualizado estimado de atendimentos retidos.
Esse tipo de retorno rápido só é possível porque a base de dados já estava construída.
Com o Healthcare Strategy Agent da Kythera, construído sobre o framework Agent Bricks e implantado no workspace do Databricks do sistema de saúde, o Diretor de Estratégia abre uma conversa e pergunta: “Quantos pacientes com câncer estão sendo encaminhados para prestadores não afiliados para serviços que nós oferecemos?”
O que se segue não é uma atualização de painel. O agente analisa a pergunta da mesma forma que um analista experiente faria, identificando 6.800 pacientes oncológicos encaminhados, nomeando os prestadores concorrentes que estão capturando seu volume, identificando os médicos encaminhadores com maior taxa de evasão pelo nome e colocando US$ 23,1 milhões em oportunidades de reembolso na mesa. Estratégias de retenção específicas vêm a seguir. Toda a sessão leva minutos.
Cada resultado nessa resposta representa uma consulta que um analista humano teria que escrever, testar, validar e consolidar. O agente as executa em minutos.
"Muito do que estamos fazendo é empacotar a especialização sobre como trabalhar com esses conjuntos de dados em agentes inteligentes, para que essa capacidade não fique limitada a um pequeno grupo de especialistas", diz Ryan Leurck, cofundador e Diretor de Analytics. "Mesmo quando você tem as pessoas certas, responder a perguntas complexas pode levar dias ou semanas. A ideia é tornar essa especialização mais acessível e ajudar as pessoas a chegarem às respostas muito mais rápido."
O cenário da oncologia é uma demonstração de uma plataforma construída para abordar mais de uma dezena de tipos de perguntas estratégicas, desde a otimização do mix de operadoras e previsão de demanda até o dimensionamento de novos mercados (greenfield) e avaliação de alvos de M&A. A mesma plataforma atende às necessidades de um CFO que pergunta sobre o desempenho de contratos de operadoras, do diretor de linha de serviços que pergunta sobre posicionamento competitivo e da equipe de desenvolvimento de negócios que pergunta sobre alvos de aquisição, cada um em sua própria linguagem, cada um obtendo respostas calibradas para seu contexto. Para equipes de sistemas de saúde que desejam explorar dados fora de um fluxo de trabalho estruturado de agentes, o Databricks Genie pode estender essa mesma acessibilidade — permitindo que qualquer usuário faça perguntas sobre dados corporativos em linguagem simples, sem a necessidade de uma equipe de BI ou conhecimento em SQL.
Nada disso importa se os executivos do sistema de saúde não puderem confiar no que o agente lhes diz, ou se o CIO não puder defender a implantação perante uma equipe de conformidade.
A confiança em uma plataforma de AI de saúde tem um significado específico. Significa que um analista financeiro que pergunta sobre o desempenho do contrato de uma operadora não pode, acidentalmente, expor dados de uma linha de serviço diferente. Significa que a consulta de um agente deixa uma trilha auditável que atende aos requisitos da HIPAA. Significa que os dados sobre os quais o agente raciocina foram validados, passaram por controle de qualidade e receberam um selo de governança antes que qualquer modelo os toque. Em um setor regulamentado onde uma única violação de acesso a dados pode acarretar consequências jurídicas e de reputação significativas, esses recursos não são opcionais — são a condição básica para que a implantação seja viável.
A resposta da Kythera é o Databricks Unity Catalog, implementado como a camada de governança em todas as implantações de clientes. O Unity Catalog fornece um único plano de controle para acesso a dados, segurança e linhagem em toda a plataforma, o que significa que as mesmas políticas que governam uma consulta SQL governam uma consulta de agente, e os mesmos controles de acesso que se aplicam a um relatório de BI se aplicam a uma recomendação gerada por AI. Uma diretora de linha de serviços vê seu mercado. Um CFO vê seus dados financeiros. Uma executiva de estratégia vê o cenário completo que está autorizada a ver. Ninguém vê mais do que deveria, e cada evento de acesso é registrado.
Jeff McDonald, que passou 32 anos no setor de saúde, é direto sobre o que isso representa na prática: “É um problema complexo de resolver, e o Databricks reúne as peças em um só lugar. O Unity Catalog nos permite implantar em todas as três nuvens em um único dia, e o Delta Sharing permite acesso quase instantâneo a dados em escala de petabytes. Isso elimina o atrito e nos ajuda a executar mais rápido.”
Em uma arquitetura corporativa tradicional, a governança exige camadas de ferramentas personalizadas, sistemas de gerenciamento de acesso separados e uma engenharia contínua significativa. O Unity Catalog reduz tudo isso a uma configuração: políticas definidas uma única vez e aplicadas em todos os lugares. Para uma empresa que atende a mais de 55 sistemas de saúde em um setor altamente regulamentado, essa é a diferença entre uma plataforma que pode escalar e outra que não pode.
A Chief Strategy Officer agora tem sua análise de oncologia. Ela sabe para quais médicos ligar, a quais concorrentes responder e como é a oportunidade de receita. Mas a pergunta que todo insight acaba trazendo à tona é a mesma: e agora?
Essa pergunta marca o início do roteiro de longo prazo da Kythera e onde a diferença entre uma análise melhor e uma tomada de decisão real entra em foco. A trajetória da AI em dados de saúde seguiu uma progressão familiar: de dashboards estáticos que diziam o que aconteceu, a ferramentas preditivas que diziam o que poderia acontecer a seguir, até as análises guiadas de hoje, que permitem a qualquer líder na organização fazer perguntas complexas em linguagem simples e obter respostas calibradas para sua função e contexto. A Kythera tornou essa terceira etapa real, em escala de produção, em uma infraestrutura governada.
Mas a ambição da empresa não para em responder a perguntas mais rapidamente. Na própria visão publicada da Kythera, o futuro da análise de saúde não é apenas descritivo, é preditivo, prescritivo e cada vez mais autônomo. A próxima etapa do Wayfinder é uma plataforma onde um insight não apenas informa uma decisão; ele inicia um fluxo de trabalho. Onde a análise de evasão de encaminhamentos aciona uma sequência de abordagem para os médicos encaminhadores de maior impacto. Onde a análise de lacunas de mercado é direcionada diretamente para a equipe imobiliária. Onde toda a trajetória, desde a pergunta estratégica até a ação operacional, é executada em uma única plataforma governada, sem que os dados sequer saiam do lakehouse.
"Ninguém quer dados", diz McDonald. "As pessoas querem respostas. E por que elas querem respostas? Para que possam fazer algo por alguém. Esse é o fluxo de trabalho adjacente à resposta."
Essa é a transição do BI guiado para a tomada de decisões composta, sistemas que não apenas trazem inteligência à tona, mas agem com base nela, dentro dos limites de uma arquitetura governada que o ambiente regulatório da saúde exige. Alcançar isso em escala requer o mesmo ingrediente que tornou a camada de análise possível em primeiro lugar: dados centralizados no paciente, harmonizados e governados antes mesmo que qualquer agente os toque.
Como a equipe de engenharia da Kythera observou, um agente devidamente treinado e validado pode explorar os dados de forma mais profunda e completa do que um ser humano, mantendo-se constantemente ciente do contexto interpretativo e fazendo isso sem fadiga — qualidades que se tornam mais valiosas, e não menos, à medida que o sistema passa de responder a perguntas para tomar medidas.
As implicações vão além de qualquer sistema de saúde individual. Um sistema regional de 200 leitos fazendo as mesmas perguntas estratégicas que uma grande rede de atendimento integrada e, eventualmente, agindo de acordo com as respostas com a mesma velocidade e com a mesma qualidade de inteligência especializada, sem a necessidade de contratar uma consultoria. Esse é um tipo diferente de mercado de saúde. É o mercado que a Kythera está construindo, um sistema de saúde de cada vez, na Databricks.
E se um número suficiente de sistemas de saúde puder tomar decisões melhores sobre onde alocar capital, onde expandir o acesso e onde reduzir o desperdício administrativo, e depois agir de acordo com essas decisões mais rapidamente, a ambição fundadora começará a parecer ao alcance: a de que o custo da saúde possa realmente cair.
Para explorar a plataforma de estratégia de saúde da Kythera e solicitar uma demonstração do Healthcare Strategy Agent, visite kytheralabs.com. Para saber mais sobre as tecnologias da Databricks que a tornam governada, escalável e pronta para a próxima etapa de tomada de decisão autônoma — Genie, Agent Bricks, Unity Catalog e Lakebase — ou para explorar o programa de parceiros Built On, comece aqui.
A Kythera Labs é uma parceira Built On da Databricks. Saiba mais em kytheralabs.com.
(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original
Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.