IA em triagem e prontuário eletrônico

Como o aprendizado de máquina pode ser aplicado na gestão de lesões por pressão (úlceras de decúbito) e quais as oportunidades futuras?

Resposta

As lesões por pressão são condições de saúde comuns em pacientes sob cuidados agudos ou de longa duração, e o aprendizado de máquina (ML) tem sido explorado para auxiliar sua gestão. Uma revisão sistemática recente, publicada no International Journal of Environmental Research and Public Health, analisou a literatura de janeiro de 2007 a julho de 2022, seguindo as diretrizes PRISMA e utilizando quatro bases de dados principais, resultando em 90 estudos elegíveis.

Os estudos foram classificados de acordo com o momento de ocorrência da lesão por pressão: antes da ocorrência (48%), no momento da ocorrência (16%) e após a ocorrência (36%). Cada categoria foi subdividida em dezesseis especialidades médicas, e os métodos, entradas e saídas foram analisados. As aplicações mais relevantes incluíram técnicas de aprendizado profundo e modelos híbridos, além da integração de ferramentas de avaliação de risco com ML, promovendo uma parceria entre a avaliação do profissional e os dados de prontuários eletrônicos de saúde (EHR).

A revisão destaca que o ML pode ser aplicado em diferentes estágios da gestão de lesões por pressão, desde a predição de risco até o monitoramento e tratamento. A integração com EHR permite incorporar informações clínicas e melhorar a acurácia das ferramentas de avaliação. O estudo também identifica lacunas e oportunidades para pesquisas futuras, como o desenvolvimento de modelos mais robustos e a validação em diferentes contextos clínicos.

Para o médico brasileiro, esses achados sugerem que a incorporação de técnicas de ML na prática clínica pode auxiliar na identificação precoce de pacientes em risco e na personalização do cuidado. No entanto, a implementação requer infraestrutura adequada e integração com sistemas de prontuário eletrônico, além de treinamento das equipes. A gestão do consultório pode se beneficiar de ferramentas que automatizem a avaliação de risco e o acompanhamento, mas é essencial considerar as limitações e a necessidade de validação local.

Em resumo, a revisão evidencia o potencial do aprendizado de máquina na gestão de lesões por pressão, com aplicações em prevenção, diagnóstico e tratamento. Contudo, a tradução para a prática clínica exige cautela e adaptação às realidades locais, além de mais pesquisas para confirmar a eficácia e segurança dessas abordagens.

O que o estudo mostrou

Trata-se de uma revisão sistemática que seguiu as diretrizes PRISMA e utilizou quatro bases de dados principais (PubMed, Web of Science, Scopus e Science Direct) e outras fontes, resultando em 90 estudos elegíveis publicados entre janeiro de 2007 e julho de 2022. Os estudos foram categorizados conforme o momento de ocorrência da lesão por pressão: antes (48%), durante (16%) e após (36%). Foram identificadas dezesseis especialidades médicas, e as técnicas mais relevantes incluíram aprendizado profundo e modelos híbridos, com integração de ferramentas de avaliação de risco e prontuários eletrônicos.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, possíveis vieses de publicação ou a heterogeneidade das populações e intervenções. Também não são descritas limitações específicas da revisão, como restrições de idioma ou de bases de dados. Portanto, as conclusões devem ser interpretadas com cautela, e a aplicabilidade dos achados ao contexto brasileiro não é abordada.

Aplicação no consultório

Os achados sugerem que o médico pode considerar a incorporação de ferramentas de aprendizado de máquina para avaliação de risco de lesões por pressão, especialmente se integradas ao prontuário eletrônico. Isso pode otimizar a triagem e o acompanhamento de pacientes em risco, além de auxiliar na gestão do consultório por meio da automação de processos. No entanto, a implementação requer infraestrutura adequada e treinamento, e os médicos devem estar atentos às limitações e à necessidade de validação local das ferramentas.

Estudo citado

Machine Learning Techniques, Applications, and Potential Future Opportunities in Pressure Injuries (Bedsores) Management: A Systematic Review. International journal of environmental research and public health, 2023.
Autores: Dweekat OY, Lam SS, McGrath L.
DOI: 10.3390/ijerph20010796 · PubMed: PMID 36613118

Perguntas para aprofundar

• Quais são as técnicas de aprendizado de máquina mais utilizadas na predição de lesões por pressão?
• Como integrar ferramentas de avaliação de risco de lesões por pressão com prontuários eletrônicos na prática clínica?
• Quais lacunas e oportunidades futuras a revisão aponta para a pesquisa em aprendizado de máquina na gestão de lesões por pressão?

Mais sobre IA em triagem e prontuário eletrônico

• Aprendizado de máquina e aprendizado profundo são eficazes para prever mortalidade por sepse usando prontuário eletrônico?
• Como o aprendizado de máquina tem sido aplicado aos registros administrativos de saúde e quais são as limitações dessa abordagem?
• Como o processamento de linguagem natural em prontuários eletrônicos pode apoiar a decisão clínica e quais são as limitações atuais?
• Incorporar informações de texto livre de prontuários eletrônicos aos códigos melhora a detecção de casos em pesquisas clínicas?
• Modelos de machine learning são eficazes para prever eventos adversos a medicamentos em pacientes ambulatoriais?

Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown