Como o aprendizado de máquina tem sido aplicado em emergências médicas, segundo uma revisão sistemática e análise de aplicativos?
Resposta curta: A revisão sistemática incluiu 20 estudos e avaliou 12 aplicativos comerciais. A maioria dos estudos tratava de decisões clínicas ou serviços de emergência, e poucos focavam em m-health. Metade dos aplicativos testados baseia-se em aprendizado de máquina com processamento de linguagem natural, indicando tendência crescente de uso em emergências.
Resposta
A revisão sistemática teve como objetivo identificar, analisar e avaliar a pesquisa disponível sobre aprendizado de máquina em emergências de saúde, além de mapear aplicações comerciais. Os autores relatam que, apesar da crescente demanda por pesquisa em inteligência artificial na medicina, as funcionalidades desses métodos em emergências de saúde permanecem pouco claras.
A metodologia combinou duas abordagens: a metodologia PRISMA em bases acadêmicas e uma revisão de aplicações comerciais nas plataformas Android e iOS. Foram incluídos 20 estudos na revisão. A maior parte deles abordava decisões clínicas ou serviços médicos ou de emergência, e apenas uma minoria era voltada para m-health.
Além dos estudos, 12 aplicativos foram selecionados para teste completo em diferentes dispositivos. Esses aplicativos lidavam com cuidado médico pré-hospitalar ou apoio à decisão clínica. Segundo o resumo, metade desses aplicativos é baseada em aprendizado de máquina com processamento de linguagem natural.
Os autores concluem que o aprendizado de máquina é cada vez mais aplicável à saúde e oferece soluções para melhorar a eficiência e a qualidade do cuidado. Com o surgimento de dispositivos e aplicativos de saúde móvel capazes de usar dados e avaliar a saúde do paciente em tempo real, o aprendizado de máquina é uma tendência crescente no setor.
O que o estudo mostrou
Trata-se de uma revisão sistemática com metodologia PRISMA em bases acadêmicas e revisão de aplicações comerciais em Android e iOS. Foram incluídos 20 estudos, a maioria sobre decisões clínicas (n = 4, 20%) ou serviços médicos ou de emergência (n = 4, 20%), com apenas 2 focados em m-health (n = 2, 10%). Também foram testados 12 aplicativos, voltados a cuidado pré-hospitalar (n = 3, 25%) ou apoio à decisão clínica (n = 3, 25%); metade deles baseia-se em aprendizado de máquina com processamento de linguagem natural.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, o risco de viés, a população avaliada ou os desfechos clínicos. Também não descreve critérios de seleção dos aplicativos nem resultados de desempenho. Assim, o resumo permite concluir apenas o panorama descritivo, sem estimar efetividade clínica.
Aplicação no consultório
O panorama sugere que o médico pode encontrar ferramentas de apoio à decisão clínica e de cuidado pré-hospitalar baseadas em aprendizado de máquina, inclusive com processamento de linguagem natural. Na gestão do consultório, isso reforça a necessidade de avaliar criticamente esses aplicativos antes de adotá-los, verificar sua finalidade e considerar que a evidência descrita é um mapeamento, não uma prova de benefício clínico.
Estudo citado
Machine Learning in Medical Emergencies: a Systematic Review and Analysis. Journal of medical systems, 2021.
Autores: Mendo IR, Marques G, de la Torre Díez I, López-Coronado M, Martín-Rodríguez F.
DOI: 10.1007/s10916-021-01762-3 · PubMed: PMID 34410512
Perguntas para aprofundar
- Quais são as aplicações de aprendizado de máquina mais estudadas em emergências médicas?
- Como avaliar a qualidade de aplicativos de saúde móvel baseados em aprendizado de máquina antes de adotá-los?
- O que falta na literatura para comprovar benefícios clínicos do aprendizado de máquina em emergências?
Mais sobre IA em telemedicina e monitoramento remoto
- Quais são os impactos das aplicações de inteligência artificial na prática de enfermagem e nos desfechos dos pacientes?
- Ferramentas digitais e inteligência artificial em programas de stewardship antimicrobiano melhoram desfechos clínicos e microbiológicos?
- A inteligência artificial já transforma o cuidado do diabetes pediátrico em desfechos clínicos concretos?
- Aplicativos móveis com inteligência artificial são eficazes para insônia em pacientes com depressão?
- A implementação de algoritmos de aprendizado de máquina para predizer deterioração clínica em hospitais adultos melhora desfechos clínicos e quais fatores influenciam o sucesso?
Todas as perguntas sobre IA em telemedicina e monitoramento remoto · Todos os temas · Versão em markdown