22/12/2021

Inteligência Artificial identifica tratamentos que fazem mais mal do que bem

Redação do Diário da Saúde
Inteligência Artificial identifica tratamentos que fazem mais mal do que bem
Quando o estado do paciente é crítico, é importante fazer a escolha certa do tratamento.
[Imagem: Christine Daniloff/MIT]

Tratamentos da sepse

A sepse é uma condição médica imprevisível que pode progredir rapidamente, levando a uma queda rápida da pressão arterial, danos aos tecidos, falência de múltiplos órgãos e morte.

Intervenções imediatas pelos profissionais médicos podem salvar a vida desses pacientes, mas alguns tratamentos de sepse também podem contribuir para a deterioração do estado do paciente: Por exemplo, nas primeiras horas da sepse grave, administrar muito líquido por via intravenosa pode aumentar o risco de morte do paciente.

Para ajudar os médicos a evitar remédios que possam contribuir potencialmente para a morte de um paciente, uma equipe de pesquisa liderada pelo MIT desenvolveu um modelo de inteligência artificial que pode ser usado para identificar tratamentos que apresentem um risco maior do que outras opções, ajudando os médicos a descartá-los.

O modelo também pode alertar os médicos quando um paciente séptico está se aproximando de um beco sem saída médico - o ponto em que o paciente provavelmente morrerá, não importa qual tratamento seja usado - para que eles possam intervir antes que seja tarde demais.

Quando aplicado a um conjunto de dados de pacientes com sepse em uma unidade de terapia intensiva, o modelo indicou que cerca de 12% dos tratamentos administrados a pacientes que morreram foram prejudiciais. O estudo também revelou que cerca de 3% dos pacientes que não sobreviveram entraram em um beco sem saída médico 48 horas antes de morrer.

"Vimos que nosso modelo está quase oito horas à frente do reconhecimento médico da deterioração de um paciente. Isso é poderoso porque nessas situações realmente delicadas, cada minuto conta, e estar ciente de como o paciente está evoluindo e do risco de administrar certos tratamentos num determinado momento é muito importante," disse o Dr. Taylor Killian, membro da equipe.

Inteligência Artificial identifica tratamentos que fazem mais mal do que bem
O modelo apresenta alertas de nível amarelo e de nível vermelho (críticos).
[Imagem: Mehdi Fatemi et al. (2021)]

A escolha do tratamento importa

Os pesquisadores testaram seu modelo usando um conjunto de dados de pacientes contendo cerca de 19.300 admissões na UTI, com as observações retiradas de uma janela de 72 horas, centrada em torno do momento em que os pacientes manifestaram os primeiros sintomas da sepse.

Os resultados conseguiram identificar pacientes no conjunto de dados que encontraram becos sem saída médicos. Além disso, de 20 a 40% dos pacientes que não sobreviveram apresentaram pelo menos um sinal de alerta antes de sua morte, e muitos deram essa sinalização pelo menos 48 horas antes de morrer.

Os resultados também mostraram que, ao comparar as tendências de pacientes que sobreviveram e pacientes que morreram, uma vez que um paciente apresenta sua primeira sinalização, há um desvio muito acentuado no valor dos tratamentos administrados: A janela de tempo em torno do primeiro sinalizador é um ponto crítico para a tomada de decisões de tratamento.

"Isso nos ajudou a confirmar que o tratamento adotado importa, e o tratamento se desvia em termos de como os pacientes sobrevivem e como os pacientes não sobrevivem. Descobrimos que mais de 11% dos tratamentos abaixo do ideal poderiam ter sido evitados porque havia melhores alternativas disponíveis para os médicos naquele momento. Este é um número bastante substancial, quando você considera o volume mundial de pacientes que estiveram sépticos no hospital em um determinado momento," disse Killian.

A equipe planeja continuar aprimorando o modelo para que ele possa criar estimativas de incerteza em torno dos valores de tratamento que ajudariam os médicos a tomar decisões mais informadas. Outra forma de fornecer validação adicional do modelo será aplicá-lo a dados de outros hospitais, o que eles esperam fazer no futuro com a colaboração de outras equipes.

Checagem com artigo científico:

Artigo: Medical Dead-ends and Learning to Identify High-Risk States and Treatments
Autores: Mehdi Fatemi, Taylor W. Killian, Jayakumar Subramanian, Marzyeh Ghassemi
Publicação: Proceedings of th NeurIPS 2021
Cheque você mesmo: https://papers.neurips.cc/paper/2021/file/26405399c51ad7b13b504e74eb7c696c-Paper.pdf
Siga o Diário da Saúde no Google News

Ver mais notícias sobre os temas:

Softwares

Tratamentos

Infecções

Ver todos os temas >>   

A informação disponível neste site é estritamente jornalística, não substituindo o parecer médico profissional. Sempre consulte o seu médico sobre qualquer assunto relativo à sua saúde e aos seus tratamentos e medicamentos.
Copyright 2006-2022 www.diariodasaude.com.br. Todos os direitos reservados para os respectivos detentores das marcas. Reprodução proibida.