Modelos de machine learning ou deep learning podem detectar prescrições inapropriadas em ambiente hospitalar?
Resposta curta: Uma revisão sistemática identificou 13 artigos sobre modelos de inteligência artificial para detectar prescrições hospitalares inapropriadas. A maioria usou aprendizado supervisionado e apresentou alto risco de viés. Apesar do potencial, poucos estudos originais existem e a integração à prática clínica ainda é preliminar.
Resposta
A revisão sistemática teve como objetivo examinar o estado da arte de modelos de machine learning ou deep learning que detectam ordens de medicação hospitalares inapropriadas. Foram incluídos estudos que descrevessem um modelo de inteligência artificial destinado ao uso por farmacêuticos clínicos em hospitais.
Os resultados mostraram que 13 artigos foram selecionados, sendo 12 julgados com alto risco de viés. A maioria foi publicada entre 2020 e 2023, e 8 estudos foram conduzidos na América do Norte e Ásia. Seis estudos analisaram ordens e detectaram prescrições inapropriadas de acordo com perfis de pacientes e ordens de medicação; sete detectaram prescrições inapropriadas específicas, como resistência a antibióticos, anormalidade de dosagem, erros com medicamentos de alta vigilância ou risco de eventos adversos a medicamentos.
Diversos modelos de inteligência artificial foram usados, principalmente técnicas de aprendizado supervisionado. Os conjuntos de dados de treinamento foram muito heterogêneos; a duração dos estudos variou de 2 semanas a 7 anos, e o número de ordens de prescrição analisadas variou de 31 a 5 804 192.
Os autores concluem que, até o momento, poucos estudos originais de pesquisa relatam ferramentas de inteligência artificial baseadas em machine learning ou deep learning no campo da farmácia clínica hospitalar. No entanto, esses artigos originais, embora preliminares, destacaram o potencial valor da integração da inteligência artificial na prática da farmácia clínica hospitalar.
O que o estudo mostrou
Revisão sistemática conduzida conforme a declaração PRISMA, com busca nas bases MEDLINE e Embase desde o início até maio de 2023. Foram incluídos 13 artigos que descreviam modelos de inteligência artificial para uso por farmacêuticos clínicos hospitalares. Doze estudos foram julgados com alto risco de viés. Onze foram publicados entre 2020 e 2023; oito foram realizados na América do Norte e Ásia. Seis estudos analisaram ordens e detectaram prescrições inapropriadas conforme perfis de pacientes e ordens de medicação; sete detectaram prescrições inapropriadas específicas, como resistência a antibióticos, anormalidade de dosagem, erros com medicamentos de alta vigilância ou risco de eventos adversos. Os modelos usaram principalmente aprendizado supervisionado, com conjuntos de dados heterogêneos e número de ordens analisadas variando de 31 a 5 804 192.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica além do alto risco de viés em 12 estudos. A heterogeneidade dos conjuntos de dados e a variação no número de ordens analisadas limitam a generalização dos achados. Poucos estudos originais foram identificados, e os resultados são preliminares, não permitindo conclusões definitivas sobre a eficácia clínica desses modelos.
Aplicação no consultório
Para o médico que atua em ambiente hospitalar ou gerencia um consultório, a revisão indica que ferramentas de inteligência artificial para detecção de prescrições inapropriadas ainda são experimentais. A implementação na prática clínica requer cautela devido ao alto risco de viés e à heterogeneidade dos estudos. Gestores devem considerar que a integração dessas ferramentas pode auxiliar farmacêuticos clínicos, mas necessita de validação local e monitoramento contínuo antes de adoção rotineira.
Estudo citado
Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review. European journal of hospital pharmacy : science and practice, 2024.
Autores: Johns E, Alkanj A, Beck M, Dal Mas L, Gourieux B, Sauleau EA, Michel B.
DOI: 10.1136/ejhpharm-2023-003857 · PubMed: PMID 38050067
Perguntas para aprofundar
- Qual o desempenho diagnóstico dos modelos de machine learning para detectar prescrições inapropriadas em hospitais?
- Quais são as principais fontes de viés nos estudos de inteligência artificial aplicados à farmácia clínica hospitalar?
- Como implementar modelos de aprendizado de máquina para triagem de prescrições na rotina hospitalar?
Mais sobre Ética, viés e explicabilidade da IA em saúde
- Como a inteligência artificial, o machine learning e o deep learning estão sendo aplicados na cirurgia plástica estética, e quais cuidados o cirurgião deve ter?
- O aprendizado de máquina e o aprendizado profundo já são ferramentas úteis na cirurgia de hérnia?
- A revisão sistemática sobre diagnóstico multimodal da doença de Parkinson com aprendizado profundo permite concluir que essa tecnologia está pronta para uso clínico?
- A inteligência artificial já pode ser usada na avaliação e tratamento de fraturas osteoporóticas e por fragilidade na prática clínica?
- Modelos de inteligência artificial para previsão de crises epilépticas em tempo real com EEG já estão prontos para uso clínico?
Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown