IA em triagem e prontuário eletrônico

Modelos de aprendizado de máquina são eficazes para prever deterioração clínica de pacientes hospitalizados?

Resposta

A deterioração clínica de pacientes hospitalizados pode levar a eventos adversos graves e aumentar o tempo de internação. A identificação precoce de pacientes em risco é, portanto, uma prioridade. Modelos baseados em aprendizado de máquina têm sido propostos para automatizar essa tarefa, mas suas reais eficácia e limitações ainda não estão completamente esclarecidas.

Esta revisão sistemática, conduzida conforme as diretrizes PRISMA, buscou examinar a efetividade, os desafios e as limitações do uso de técnicas de aprendizado de máquina para prever deterioração clínica em ambientes hospitalares. Foram incluídos estudos publicados até julho de 2022, sem restrição de data inicial, que avaliassem modelos de aprendizado de máquina para esse fim.

Um total de 29 estudos primários foi identificado. A revisão encontrou 15 tipos de técnicas de aprendizado de máquina empregadas para prever deterioração clínica. Seis estudos usaram uma única técnica exclusivamente, enquanto os demais combinaram técnicas clássicas, aprendizado supervisionado e não supervisionado, além de outras abordagens inovadoras. Dependendo do modelo e das características de entrada, a área sob a curva variou de 0,55 a 0,99.

Os autores concluem que, apesar dos avanços, ainda há necessidade de mais investigações para examinar a aplicação e a efetividade desses métodos em situações do mundo real. A heterogeneidade das técnicas e dos resultados reforça a importância de validação externa e de estudos que avaliem o impacto clínico desses modelos antes de sua incorporação rotineira.

Para o médico, os achados indicam que os modelos de aprendizado de máquina são promissores, mas não estão prontos para uso indiscriminado. A interpretação dos resultados e a integração dessas ferramentas na prática clínica exigem cautela e consideração das limitações metodológicas apontadas na revisão.

O que o estudo mostrou

Revisão sistemática com 29 estudos primários que avaliaram modelos de aprendizado de máquina para prever deterioração clínica. Foram identificados 15 tipos de técnicas, com seis estudos usando uma única técnica e os demais combinando abordagens clássicas, supervisionadas e não supervisionadas. A área sob a curva variou de 0,55 a 0,99, dependendo do modelo e das características de entrada. O resumo não informa o tamanho amostral total nem o desenho específico de cada estudo incluído.

Limitações

O resumo não detalha as limitações individuais dos estudos incluídos, nem informa a qualidade metodológica dos mesmos. A heterogeneidade das técnicas e das populações pode limitar a generalização dos achados. Além disso, a revisão abrange estudos publicados até julho de 2022, não incluindo avanços mais recentes. Os autores destacam a necessidade de investigações em situações do mundo real.

Aplicação no consultório

Os achados sugerem que modelos de aprendizado de máquina podem auxiliar na identificação precoce de deterioração, mas sua aplicação na prática clínica ainda requer validação. O médico deve interpretar com cautela os resultados desses modelos e considerar as limitações metodológicas. No consultório, a incorporação dessas ferramentas deve ser feita de forma crítica, preferencialmente em contextos de pesquisa ou após validação local, e não como substituto do julgamento clínico.

Estudo citado

Evaluation of machine learning-based models for prediction of clinical deterioration: A systematic literature review. International journal of medical informatics, 2023.
Autores: Jahandideh S, Ozavci G, Sahle BW, Kouzani AZ, Magrabi F, Bucknall T.
DOI: 10.1016/j.ijmedinf.2023.105084 · PubMed: PMID 37156168

Perguntas para aprofundar

• Quais são os desafios metodológicos na implementação de modelos de aprendizado de máquina para prever deterioração clínica?
• Como a heterogeneidade das técnicas de aprendizado de máquina impacta a comparação de desempenho entre modelos?
• Quais fatores devem ser considerados antes de adotar um modelo de aprendizado de máquina na prática hospitalar?

Mais sobre IA em triagem e prontuário eletrônico

• Aprendizado de máquina e aprendizado profundo são eficazes para prever mortalidade por sepse usando prontuário eletrônico?
• Algoritmos de inteligência artificial são eficazes para prever lesão renal aguda em adultos hospitalizados?
• Como o aprendizado de máquina tem sido aplicado na investigação da infecção por Clostridioides difficile e seus desfechos?
• Métodos de aprendizado de máquina aplicados à triagem em serviços de emergência são eficazes para prever desfechos como mortalidade e necessidade de cuidados críticos?
• O uso de texto clínico não estruturado em aprendizado de máquina melhora a predição e detecção precoce de sepse?

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