O uso da Inteligaªncia Artificial na predição do risco de morte de pacientes em Unidades de Terapia Intensiva (UTIs), sem comprometer a anãtica, pode estar perto da realidade. a‰ o que mostram os resultados de uma dissertação de mestrado apresentada ao Programa de Pa³s-Graduação em Computação Aplicada da Faculdade de Filosofia, Ciências e Letras de Ribeira£o Preto (FFCLRP) da USP. E chega num momento em que vários Estados do Paa­s já enfrentam o colapso do sistema de saúde provocado pela pandemia da covid-19.

Os responsa¡veis pelo projeto garantem que o modelo de Inteligaªncia Artificial que desenvolveram écapaz de predizer, com maior precisão, o risco de mortalidade dos pacientes. O cientista de dados Fla¡vio Monteiro explica que “o modelo podera¡ ser ajustado a varia¡veis locais a fim de ser utilizado como ferramenta por profissionais de saúde para, por exemplo, eleger, entre os pacientes, os que precisam ser internados nos leitos de UTI com maior urgência”.

Orientado pela professora Alessandra Alaniz Macedo, do Departamento de Computação e Matema¡tica, Monteiro trabalhou, ao lado dos professores Fernando Meloni e JoséAugusto Baranauskas, todos da FFCLRP, usando uma base de dados de 12 mil pessoas que passaram por UTIs de hospitais norte-americanos. Segundo o pesquisador, eram informações das condições fisiola³gicas dos pacientes e dos resultados (sobrevivaªncia ou morte) dos tratamentos dispensados em 48 horas de internação nessas unidades de tratamento.

Com as informações, os pesquisadores treinaram o modelo “para criar padraµes capazes de avaliar o quanto as condições de novos pacientes indicavam suas chances de sobreviver”, conta Monteiro. E os resultados dos testes que realizaram “sugerem que os algoritmos são mais precisos do que os protocolos convencionais utilizados nas UTIs”, continua o pesquisador, afirmando que esse tipo de informação éimportante para os profissionais de saúde, “pois ajudam a definir a ordem de prioridade de internação e quais pacientes possuem mais chances de sobreviver”.

Monteiro acredita que a ferramenta que criaram seja uma opção mais precisa que os modelos de pontuação (scores) utilizados atualmente, como o Sequential Organ Failure Assessment (SOFA). Ele diz que esses modelos são baseados em sistemas de pontuação empa­ricos, alguns deles formulados na década de 1990. “Levando em conta os avanços computacionais e estata­sticos dos últimos anos, esses scores se mostram defasados. E, de fato, são, a julgar pelos baixos na­veis de previsão de a³bito, quando são utilizados em UTIs”, afirma.

A mesma base de dados, explorada agora pela pesquisa da USP, foi apresentada durante desafio realizado em 2012 pela PhysioNet, uma plataforma de pesquisa e educação biomédica gerida pelo Instituto de Tecnologia de Massachusetts (MIT), nos Estados Unidos. Comparado aos resultados de modelos inteligentes de predição de risco de a³bito desenvolvidos desde então, o modelo obtido pela equipe uspiana “atingiu na­veis de acerto 20% superiores na previsão de risco de morte em relação aos resultados apresentados por outros grupos de pesquisadores das grandes universidades do mundo”, afirma a professora Alessandra.

A professora Alessandra diz também que, além de mais eficiente, o sistema éeconomicamente mais via¡vel pois “sugere custos mais baixos para o monitoramento em UTIs, visto que são manipuladas menos informações e varia¡veis coletadas dos pacientes”. Ela aponta ainda que “o menor esfora§o pode deixar o profissional de saúde mais livre para se dedicar ao paciente”. a‰ que, das 43 varia¡veis usadas pelos modelos anteriores, o da USP trabalha com apenas 12. Essas varia¡veis são informações como idade, peso, estatura, frequência carda­aca e indicadores renais, coletadas no momento da internação.

E os bons resultados do projeto animam os pesquisadores, que continuam os estudos para melhor adaptar a metodologia inteligente que criaram a  realidade médica das UTIs brasileiras. Para isso, a professora Alessandra conta que estãoprocurando parceiros que queiram testar e ajustar o modelo que desenvolveram.