Já existem dispositivos e sistemas de Inteligência Artificial (IA) que rastreiam e preveem Infarto Agudo do Miocárdio e Acidente Vascular Cerebral em pacientes. Considerando uma patologia não tão comum, porém com maior mortalidade, a Sepse - em que o tempo de intervenção para a primeira medicação é de até 1 hora - permanece distante na análise de predição.
Não faz muito tempo, o SepsisWatch era um ótimo exemplo de como um algoritmo pode ser implantado na prática médica e de como os médicos podem aprender rapidamente a trabalhar com ele. Agora, um novo estudo (DOI 10.1038/s41591-022-01895-z) revela que pacientes têm 20% menos probabilidade de morrer de sepse por causa de um novo sistema de IA desenvolvido na Universidade Johns Hopkins, que detecta os sintomas horas antes dos métodos tradicionais.
A sepse ocorre quando uma infecção desencadeia uma reação exagerada em cadeia em todo o corpo. A inflamação pode levar a coágulos sanguíneos e vazamento de vasos sanguíneos e, finalmente, pode causar danos ou falência de órgãos. Segundo a Organização Mundial da Saúde (OMS), a sepse mata 11 milhões de pessoas a cada ano - muitas delas crianças e idosos - e incapacita outros milhões. No Brasil, estima-se que ocorram 240 mil mortes ao ano. A sepse é fácil de ter discordância entre os médicos, em especial aos não-intensivistas, porque sintomas como febre e confusão mental são comuns em outras condições. Quanto mais rápido for diagnosticada, melhores as chances de sobrevivência do paciente e menores as complicações a longo prazo.
Para resolver parte do problema ligado ao diagnóstico, os pesquisadores desenvolveram o Targeted Real-Time Early Warning System. Combinando o histórico médico de um paciente com sintomas atuais e resultados laboratoriais, o sistema de aprendizado de máquina mostra aos médicos quando alguém está em risco de sepse e sugere protocolos de tratamento, como o início de antibióticos.
O sistema vasculha prontuários médicos e anotações clínicas para identificar pacientes em risco de complicações com risco de vida. A IA é implementada à beira do leito pela primeira vez para algo do tipo. Ela rastreia os pacientes desde a chegada ao hospital até a alta, garantindo que informações críticas não sejam negligenciadas, mesmo que a equipe mude ou um paciente mude para um departamento diferente.
Durante o estudo, cerca de 4mil médicos de cinco hospitais usaram a IA no tratamento de 590.000 pacientes. O sistema também analisou 173.931 casos de pacientes anteriores. Em 82% dos casos de sepse, a IA foi precisa em quase 40% das vezes. Tentativas anteriores de usar ferramentas eletrônicas para detectar sepse detectaram menos da metade desse número de casos e tiveram precisão de 2% a 5% das vezes. Todos os casos de sepse são eventualmente detectados, mas com o padrão atual de atendimento, a condição mata 30% das pessoas que a desenvolvem.Nos casos de sepse com mais disfunções orgânicas (portanto, mais graves), onde um atraso de uma hora é a diferença entre a vida e a morte, a IA detectou em média quase seis horas antes dos métodos tradicionais.
Até este ponto, a maioria desses tipos de algoritmos erraram com muito mais frequência do que acertaram. Esses alarmes falsos minam a confiança na IA, principalmente entre a classe médica, que frequentemente desconfia de novos padrões. Ao contrário das abordagens convencionais, esse algoritmo permite que os médicos vejam por que a ferramenta está fazendo recomendações específicas. O algoritmo criado vai permitir extrapolar para outras doenças que geralmente geram discordâncias entre os médicos, reduzindo a zona cinzenta da dúvida diagnóstica.
A Bayesian Health, uma empresa desmembrada da Johns Hopkins, liderou e gerenciou a implantação em todos os locais de teste. A equipe também fez parceria com os dois maiores fornecedores de sistemas de registro eletrônico de saúde, Epic e Cerner, para garantir que a ferramenta possa ser implementada em outros hospitais.
A equipe adaptou a tecnologia para identificar pacientes em risco de lesões por pressão, comumente conhecidas como escaras, e aqueles em risco de deterioração súbita causada por sangramento, insuficiência respiratória aguda e parada cardíaca.
A abordagem usada nesse algoritmo é fundamentalmente diferente. É adaptável e leva em consideração a diversidade da população de pacientes, individualizando-os como ser humano; as maneiras únicas como médicos e enfermeiros prestam cuidados em diferentes locais (variabilidade do atendimento); e as características únicas de cada sistema de saúde (disponibilidade de recursos). Permite maior precisão, ganho de mais confiança do provedor e melhor adoção do algoritmo.
Troca de Plantão S02E06
A utilização da inteligência artificial para detecção da sepse e de outros problemas de saúde foi tema do episódio desta terça-feira (2 de agosto) do podcast troca de plantão. Comandado pelo fundador da Academia Médica, Fernando carbonieri, o debate contou com a participação dos médicos Hugo Boechat, Albert Bacelar e Messias Mendonça. Para assistir ao episódio, siga a Academia Médica no youtube e acompanhe semanalmente o Troca de Plantão:
Ouça também nos tocadores:
Leia também:
Reconhecimento e tratamento precoce da SEPSE
Protocolo de tratamento da SEPSE que você nunca vai esquecer
Sepse 2016 - Infográfico do Consenso Internacional sobre Sepse