Otimizando o tempo de tratamento da sepse com um modelo de aprendizado de máquina

Um novo modelo de aprendizado de máquina que estima o tempo ideal de tratamento para sepse pode abrir caminho para ferramentas de suporte que ajudam os médicos a personalizar as decisões de tratamento no leito do paciente, dizem os pesquisadores.

Em um artigo publicado hoje (6 de abril de 2023) na Nature Machine Intelligence, cientistas da Ohio State University descrevem o novo modelo, que usa inteligência artificial para enfrentar a complexa questão de quando administrar antibióticos a pacientes com suspeita de caso de sepse. .

O tempo é essencial porque a sepse, a resposta esmagadora do corpo a uma infecção, pode levar rapidamente à falência de órgãos. E, no entanto, seus sintomas – febre, pressão arterial baixa, aumento da frequência cardíaca e problemas respiratórios – podem se parecer com muitas outras condições. As diretrizes federais exigem um tratamento rápido com antibióticos de amplo espectro como primeira linha de defesa – uma estratégia que normalmente requer ação antes que as culturas que confirmam uma infecção bacteriana possam ser obtidas em um laboratório.

O modelo foi projetado para levar em conta essas incertezas e pressões de tempo.

Os pesquisadores testaram o desempenho do modelo usando informações de pacientes de cuidados intensivos de um banco de dados dos EUA e de um banco de dados europeu, comparando os resultados em pacientes cujo tratamento real correspondia ao cronograma de tratamento recomendado pelo modelo com os resultados de pacientes cujo tratamento real diferia do que o modelo teria recomendado com base em seus sinais vitais, resultados de laboratório e dados demográficos relacionados ao risco. A medida que representa o desfecho foi a sobrevida do paciente 30 e 60 dias após o tratamento da sepse.

"Mostramos que quando o tratamento real e a inteligência artificial concordam, temos uma taxa de mortalidade menor. Se eles não concordarem, a taxa de mortalidade pode chegar a 25%", disse o autor sênior Ping Zhang, PhD, professor assistente de ciência da computação e engenharia e informática biomédica no estado de Ohio.

O modelo foi treinado e validado em um conjunto de dados obtido de um banco de dados disponível publicamente, denominado MIMIC-III. O modelo foi testado em diferentes porções do MIMIC-III e um novo conjunto de dados externo do AmsterdamUMCdb. As principais medidas de quase 14.000 indivíduos com sepse incluíram alterações nos sinais vitais do paciente e nos resultados dos testes de laboratório com o passar do tempo – servindo como indicadores da gravidade da doença e do tipo de infecção – e um método inovador desenvolvido para comparar os resultados de pacientes que receberam e não receberam antibióticos em um momento específico.

"Queremos que a modelagem preveja se é benéfico usar antibióticos em um determinado momento - sim ou não. Mas nunca saberemos o que acontecerá se não administrarmos o antibiótico. Portanto, aplicamos um conceito de ensaio clínico a este modelo: Para cada paciente que tomou o medicamento, incluímos um paciente clinicamente semelhante que não tomava antibióticos naquele momento", disse Zhang, que lidera o Laboratório de Inteligência Artificial em Medicina e também é membro do corpo docente do Centro de Translação do estado de Ohio. Instituto de Análise de Dados. “Dessa forma, podemos prever o resultado contrafactual e treinar o modelo de tratamento contrafactual para descobrir se o tratamento para sepse funciona ou não”.

A sepse contribui para mais de um terço das mortes hospitalares e é vista com mais frequência em unidades de terapia intensiva e departamentos de emergência, "onde muitas vezes tomamos decisões sem o padrão-ouro - resultados de uma cultura", disse o co-estudo autora Katherine Buck, MD, professora assistente de medicina de emergência na Faculdade de Medicina e diretora do Departamento de Emergência Geriátrica do Ohio State Wexner Medical Center. "Nem todo paciente que atende aos critérios de sepse passa a ter prova de uma infecção bacteriana."

Os antibióticos não são isentos de riscos – podem ser tóxicos para os rins, desencadear uma reação alérgica ou causar C. difficile, uma infecção que causa diarreia grave e inflamação do cólon.

"O que este artigo começa a dizer é: podemos usar as informações disponíveis para os médicos, às vezes na vanguarda e às vezes não, para dizer: as coisas estão mudando de uma maneira que sugere que o paciente se beneficiará com os antibióticos", disse Buck. "Uma ferramenta de apoio à decisão pode dizer aos médicos se corresponde ao que já estamos pensando ou nos levar a nos perguntar o que está faltando. Esperançosamente, com o tempo, todos os dados de registros eletrônicos de saúde que temos revelarão sinais - e a partir daí é uma questão de descobrir como usá-los e como levá-los aos médicos."