# Aprendizado de máquina e aprendizado profundo são eficazes para prever mortalidade por sepse usando prontuário eletrônico?

> Uma revisão sistemática de 39 estudos mostra que modelos de aprendizado de máquina e profundo aplicados a prontuários eletrônicos têm potencial para predição precoce de sepse, mas a heterogeneidade de dados, definições e métricas de avaliação limita conclusões definitivas e exige padronização.

Estudo citado: AbuHaweeleh MN, Chowdhury AT, Newaz M, Saha P, Islam KR, Kumar J et al.. Sepsis mortality prediction using machine learning and deep learning - a systematic review. BMC medical informatics and decision making. 2025. DOI: https://doi.org/10.1186/s12911-025-03286-z. PubMed: https://pubmed.ncbi.nlm.nih.gov/41372900/

## Resposta

A sepse é uma condição inflamatória grave desencadeada por infecção, com impacto global significativo, e a detecção oportuna é essencial para intervenções eficazes. Nesse contexto, métodos de aprendizado de máquina (ML) e aprendizado profundo (DL) têm sido explorados para prever sepse a partir de dados de prontuários eletrônicos (EHR), com o objetivo de melhorar desfechos clínicos.

Esta revisão sistemática identificou 39 estudos que atenderam a critérios rigorosos de inclusão, provenientes de bases como PubMed, IEEE Xplore, Google Scholar e Scopus. A maioria era retrospectiva (n = 34) e geograficamente diversa, com estudos na América do Norte (n=19), Ásia (n=13), Europa (n=6) e Austrália (n=1). Os conjuntos de dados, definições de sepse e prevalências variaram, exigindo estratégias de aumento de dados.

Os achados indicam uso heterogêneo de parâmetros, distribuição diversa de modelos e avaliações de qualidade inconsistentes. Apesar das diferenças, dados longitudinais demonstraram potencial para predição precoce de sepse. A revisão também destaca desafios relacionados a financiamento dispar e correlação com a qualidade dos artigos, reforçando a necessidade de métricas de avaliação padronizadas.

Em conclusão, a revisão sistemática ressalta o papel promissor de metodologias de ML/DL na detecção e predição precoce de sepse por meio de EHR, mas enfatiza a importância de abordagens padronizadas e avaliações de qualidade abrangentes para que esses modelos possam ser comparáveis e confiáveis.

Para o médico, os resultados sugerem que a incorporação dessas ferramentas na prática clínica ainda requer cautela, dado o alto grau de heterogeneidade entre os estudos. A padronização de definições e métricas é um passo necessário antes da aplicação rotineira.

## O que o estudo mostrou

Revisão sistemática de 39 estudos (34 retrospectivos) que aplicaram ML/DL a prontuários eletrônicos para predição de sepse. Os estudos foram geograficamente diversos (América do Norte n=19, Ásia n=13, Europa n=6, Austrália n=1) e apresentaram variação em conjuntos de dados, definições de sepse e prevalências. Houve heterogeneidade de parâmetros, distribuição de modelos e avaliações de qualidade. Dados longitudinais mostraram potencial de predição precoce.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre tamanhos de amostra ou métricas de desempenho específicas. A heterogeneidade de definições e a predominância de estudos retrospectivos limitam a generalização dos achados. A revisão não fornece dados sobre validação externa ou impacto clínico.

## Aplicação no consultório

Os achados reforçam que ferramentas de ML/DL para sepse ainda não estão padronizadas para uso clínico rotineiro. O médico deve interpretar com cautela resultados de modelos preditivos, considerando a variabilidade de definições e populações. No consultório, a implementação exigiria validação local e integração com o prontuário eletrônico, além de treinamento da equipe para lidar com alertas e evitar sobrecarga.

## Perguntas para aprofundar

- Quais critérios de qualidade devem ser considerados ao avaliar modelos de ML para sepse?
- Como a heterogeneidade das definições de sepse impacta a aplicabilidade clínica dos modelos preditivos?
- Quais são os desafios para implementar predição de sepse por ML em prontuários eletrônicos no Brasil?

Tema: IA em triagem e prontuário eletrônico. Página: https://alphadoctor.com.br/ciencia/ia-triagem-prontuario/aprendizado-de-maquina-e-aprendizado-profundo-sao-eficazes-para-prever/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.