O uso de inteligência artificial pode prever parada cardíaca e respiratória intra-hospitalar em ambiente de cuidados agudos?
Resposta curta: Sim, algoritmos de aprendizado de máquina mostram resultados promissores na predição de parada cardíaca e respiratória intra-hospitalar usando dados clínicos facilmente disponíveis, com AUC variando de 0,73 a 0,96 para parada cardíaca e de 0,54 a 0,94 para parada respiratória. No entanto, a validação prospectiva e a integração em fluxos clínicos ainda precisam ser exploradas.
Resposta
A revisão sistemática avaliou o papel de técnicas de aprendizado de máquina na predição de parada cardíaca, arritmias ventriculares com risco de vida e parada respiratória em ambiente hospitalar de cuidados agudos. Os autores buscaram estudos originais que recrutaram apenas pacientes adultos (≥18 anos) e que utilizaram algoritmos de inteligência artificial para predição nesses contextos, com dados de unidades de terapia intensiva, unidades coronarianas e departamentos de emergência.
Os resultados indicam que algoritmos de aprendizado de máquina têm sido usados para predição de parada cardíaca com variáveis facilmente obtidas, mostrando desempenho promissor, com AUC entre 0,73 e 0,96 em diferentes cenários, incluindo pacientes críticos em UTI, no departamento de emergência e com sepse. Para parada respiratória, o desempenho foi variável, com AUC entre 0,54 e 0,94, incluindo pacientes com COVID-19 e outras condições clínicas.
Os autores concluem que os algoritmos de aprendizado de máquina podem melhorar a identificação precoce de pacientes de alto risco e apoiar intervenções oportunas, potencialmente reduzindo mortalidade e morbidade. Contudo, ressaltam que a validação prospectiva desses algoritmos e sua integração nos fluxos de trabalho clínicos necessitam de mais investigação.
A revisão foi conduzida em conformidade com a estrutura PRISMA, com buscas no PubMed, Embase e Web of Science até outubro de 2023, sem restrição de idioma além do inglês para os artigos incluídos. A extração de dados incluiu primeiro autor, periódico, unidade, tamanho da amostra, desempenho e características dos modelos de aprendizado de máquina e convencionais, e desfechos.
Para o médico brasileiro, os achados sugerem que a inteligência artificial pode ser uma ferramenta auxiliar na predição de eventos adversos em ambientes de cuidados agudos, mas a implementação clínica ainda requer estudos de validação prospectiva e adaptação aos fluxos locais.
O que o estudo mostrou
Trata-se de uma revisão sistemática que incluiu estudos originais com pacientes adultos (≥18 anos) em unidades de terapia intensiva, unidades coronarianas e departamentos de emergência, publicados em inglês. Os algoritmos de aprendizado de máquina demonstraram AUC de 0,73 a 0,96 para predição de parada cardíaca e AUC de 0,54 a 0,94 para parada respiratória, utilizando variáveis clínicas facilmente disponíveis. O resumo não informa o número total de estudos incluídos nem o tamanho amostral agregado.
Limitações
O resumo não detalha as limitações dos estudos incluídos, como heterogeneidade metodológica, viés de seleção ou qualidade dos dados. Também não informa o número de estudos, o tamanho amostral total ou as características específicas das populações. A necessidade de validação prospectiva e integração em fluxos clínicos é destacada, mas o resumo não aprofunda esses aspectos.
Aplicação no consultório
Os achados podem orientar médicos na avaliação de risco de parada cardiorrespiratória em ambientes de urgência e UTI, mas a aplicação rotineira ainda depende de validação prospectiva. No consultório, a discussão sobre incorporação de ferramentas de inteligência artificial deve considerar a disponibilidade de dados e a necessidade de treinamento da equipe. A gestão pode incluir a avaliação de sistemas de alerta precoce, mas sem substituir o julgamento clínico.
Estudo citado
Use of artificial intelligence in predicting in-hospital cardiac and respiratory arrest in an acute care environment-implications for clinical practice. Frontiers in medical technology, 2025.
Autores: Thambiraj G, Bazoukis G, Ghabousian A, Zhou J, Bollepalli SC, Isselbacher EM, Donahue V, Singh JP, Armoundas AA.
DOI: 10.3389/fmedt.2025.1681059 · PubMed: PMID 41142406
Perguntas para aprofundar
- Quais variáveis clínicas são mais utilizadas pelos algoritmos de aprendizado de máquina para predizer parada cardíaca intra-hospitalar?
- Como a inteligência artificial pode auxiliar na identificação precoce de pacientes com risco de parada respiratória em unidades de terapia intensiva?
- Quais são os desafios para integrar modelos de aprendizado de máquina na prática clínica diária em ambientes de cuidados agudos?
Mais sobre IA em emergência e UTI
- Algoritmos de aprendizado de máquina para predição de sepse implantados em hospitais realmente reduzem mortalidade e quais são os desafios de implementação?
- Modelos de IA para predição de sepse em adultos hospitalizados têm desempenho confiável para uso clínico rotineiro?
- A inteligência artificial já pode ser usada na prática clínica para manejo de sepse em UTIs pediátricas?
- A inteligência artificial já pode apoiar decisões clínicas no atendimento ao trauma?
- Modelos de aprendizado de máquina são confiáveis para prever sepse na prática clínica?
Todas as perguntas sobre IA em emergência e UTI · Todos os temas · Versão em markdown