Utilizando inteligência artificial e machine learning, pesquisadores do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da Universidade de São Paulo (USP) conseguiram identificar 88% de mortes por complicações respiratórias em 1.767 pessoas.
Os cientistas também classificaram o risco de óbito em decorrência dessas doenças e descobriram que 100% dos óbitos estavam entre aqueles previamente identificados como maior risco de morte por complicações respiratórias (25% do grupo analisado).
Este é um dos estudos sobre previsão de morte mais amplos já realizados em grandes populações. “O que existe na literatura é aplicação de machine learning para identificação de risco em populações específicas. Por exemplo, em pessoas que já apresentam problemas cardíacos, em pessoas que já têm diagnóstico de câncer”, explica Carla Nascimento, doutoranda em saúde pública pela USP, pesquisadora do Labdaps e coautora do estudo.
Como foi feito o estudo
Para chegar aos resultados obtidos, os pesquisadores analisaram dados coletados pela pesquisa Saúde, Bem-Estar e Envelhecimento (Sabe), também da USP, entre 2006 e 2010, com foco em moradores de São Paulo com 60 anos ou mais. Dessa forma, a Covid-19 ficou de fora da pesquisa.
No entanto, como a Sabe não foi criada para indicar mortalidade, os cientistas precisaram também cruzar esses dados com as informações de mortes na cidade de São Paulo. A partir disso, os pesquisadores treinaram o algoritmo de machine learning com 70% da base de dados. O restante foi utilizado para testar o nível de assertividade das previsões geradas a respeito das mortes por complicações respiratórias.
“[O estudo] abre um leque de possibilidades de iniciar medidas preventivas ao ponto de conseguir evitar que a morte ocorra. Não é algo ‘você vai morrer e não tem o que fazer em relação a isso’. O grande interesse de saber é evitar que isso aconteça”, afirma Alexandre Chiavegatto Filho, diretor do Labdaps.
Próximos passos
Com o sucesso da previsão de mortes por complicações respiratórias, os cientistas querem agora compreender o quanto essa tecnologia preditiva pode apoiar e mudar o comportamento clínico. Por isso, o próximo passo é elaborar um estudo aleatório com um grupo de médicos que receberá o programa e outro que ficará sem, e acompanhar os respectivos pacientes.
Antes de mais nada, os pesquisadores avaliarão que tipo de dados esses profissionais desejam. “Será que ele quer algo bem simples – ‘Esse paciente vai a óbito em 5 anos por doença cardiovascular’. Será que ele quer uma probabilidade? Ou fornecer probabilidades e graus de incertezas? Às vezes muito detalhe pode ser muito complexo e o médico pode acabar ignorando a informação. E com poucos detalhes o médico pode acabar não confiando nesse resultado”, diz Chiavegatto Filho.
Na sequência, a tecnologia será então disponibilizada para 30 hospitais brasileiros escolhidos por meio de uma plataforma chamada RandomIA, que contou com financiamento da Microsoft e da Fundação de Apoio à Pesquisa do Estado da Paraíba (Fapesq).
Apesar de ainda estar longe do cotidiano, Chiavegatto Filho acredita que esse tipo de tecnologia será bem recebida assim que estiver disponível e pronta para aplicação. “É impressionante a quantidade de decisões difíceis e complexas que os médicos tomam ao longo do seu dia. O médico passa muito tempo coletando informações de pacientes e recebe de volta informações dispersas. Nada que unifique essa informação toda e ajude a tomar uma decisão. É isso que a inteligência artificial está trazendo”, afirma.
Via: Folha de S.Paulo
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
Tags: