IA em emergência e UTI

Modelos de aprendizado de máquina e aprendizado profundo são eficazes na detecção de crises neonatais?

Resposta

A revisão sistemática investigou o efeito do aprendizado de máquina (ML) e do aprendizado profundo (DL) na detecção de crises neonatais. Foram analisados sinais de eletroencefalograma de 1389 crises, com média de 834 horas de registro, provenientes de no mínimo 17 e no máximo 258 recém-nascidos internados em unidade de terapia intensiva neonatal. Os modelos foram avaliados por meio da área sob a curva ROC (AUC), sensibilidade e especificidade.

Os resultados mostraram que a AUC para detecção de crises neonatais variou de 80,7 a 99,3, enquanto a sensibilidade e a especificidade médias ficaram entre 60,4 e 93,38. Esses achados sugerem que as abordagens de ML e DL têm potencial para identificar crises de forma precoce e distinguir pacientes com e sem crises verdadeiras.

Os autores concluíram que modelos derivados de redes neurais convolucionais apresentam alto poder para detectar crises neonatais precocemente e diferenciar pacientes com e sem crises verdadeiras. A revisão sugere que mais modelos de ML e DL para crises neonatais devem ser desenvolvidos, que o número de estudos experimentais seja aumentado e que as unidades de terapia intensiva sejam integradas com essas ferramentas.

Para o médico brasileiro, especialmente aqueles que atuam em neonatologia e terapia intensiva neonatal, esses achados indicam que ferramentas computacionais podem auxiliar na identificação de crises, mas ainda são necessários mais estudos para validação e implementação clínica. A revisão não fornece detalhes sobre a população específica ou limitações dos estudos incluídos, o que deve ser considerado na interpretação.

O que o estudo mostrou

Trata-se de uma revisão sistemática que incluiu dez estudos, selecionados a partir de 3512 publicações revisadas por dois autores. Foram analisados sinais de eletroencefalograma de 1389 crises, com média de 834 horas de registro, de no mínimo 17 e no máximo 258 recém-nascidos em unidade de terapia intensiva neonatal. Sete estudos avaliaram a AUC, quatro avaliaram sensibilidade e especificidade, e um avaliou ambos. A AUC variou de 80,7 a 99,3, e a sensibilidade e especificidade médias ficaram entre 60,4 e 93,38. Modelos de redes neurais convolucionais demonstraram alto poder de detecção precoce e distinção entre crises verdadeiras e não verdadeiras.

Limitações

O resumo não informa detalhes sobre as limitações dos estudos incluídos, como viés de seleção, heterogeneidade das populações ou métodos de validação dos modelos. Também não são descritas a qualidade metodológica dos estudos primários nem a aplicabilidade dos resultados a diferentes contextos clínicos. A revisão é limitada a estudos em inglês e não aborda custos ou implementação prática.

Aplicação no consultório

Os achados sugerem que ferramentas de ML e DL podem apoiar a detecção precoce de crises neonatais em unidades de terapia intensiva, auxiliando a equipe médica na tomada de decisão. Para a prática clínica, é importante considerar a integração dessas tecnologias com os sistemas de monitoramento existentes, mas com cautela, pois mais estudos são necessários antes da implementação rotineira. No consultório, o médico pode acompanhar o desenvolvimento dessas ferramentas e considerar seu uso futuro em ambientes especializados.

Estudo citado

Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review. Journal of evaluation in clinical practice, 2025.
Autores: Naz R, Örsal Ö.
DOI: 10.1111/jep.70083 · PubMed: PMID 40189779

Perguntas para aprofundar

• Qual o desempenho diagnóstico de modelos de aprendizado de máquina na detecção de crises neonatais em comparação com métodos convencionais?
• Quais são as limitações metodológicas dos estudos que avaliam aprendizado profundo para crises neonatais?
• Como integrar ferramentas de inteligência artificial na rotina da unidade de terapia intensiva neonatal?

Mais sobre IA em emergência e UTI

• Modelos de aprendizado de máquina têm bom desempenho diagnóstico para sepse neonatal?
• Como modelos de aprendizado de máquina e aprendizado profundo podem auxiliar no diagnóstico precoce de sepse em unidades de terapia intensiva?
• A inteligência artificial aplicada ao EEG é útil para detecção precoce de crises não convulsivas em emergências e UTI?
• Modelos de machine learning conseguem prever desfechos respiratórios neonatais com desempenho confiável para uso clínico?
• Modelos de aprendizado de máquina podem prever internação hospitalar já na triagem de emergências pediátricas?

Todas as perguntas sobre IA em emergência e UTI · Todos os temas · Versão em markdown