Modelos de IA atingem 98,33 % ao prever mortes em UCI

Uma equipa de UCI pode ter de identificar um doente de alto risco enquanto o estado desse doente continua a mudar. Num estudo liderado pela Universidade Católica Australiana (ACU) e pela Universidade Charles Darwin (CDU), um modelo de aprendizagem automática extra trees previu a mortalidade em UCI com uma precisão de 98,33 %; o gradient boosting atingiu 98,23 %.

Os médicos utilizam habitualmente o APACHE, a Avaliação da Fisiologia Aguda e da Saúde Crónica, e o SAPS, a Pontuação Simplificada de Fisiologia Aguda. O estudo afirma que estas ferramentas podem ter dificuldade em captar condições em evolução, demoram a ser validadas e precisam de recalibração frequente. Os sistemas de aprendizagem automática superaram estas pontuações tradicionais, mas a sua falta de explicabilidade atrasou a adoção.

Os investigadores utilizaram os resultados do extra trees com modelos de explicação para identificar os fatores por detrás das previsões e compará-los com o conhecimento médico. A hipertensão, os tumores, as doenças endócrinas, as doenças digestivas e as doenças cardiovasculares surgiram como fatores fundamentais. A autora principal, Niusha Shafiabady, professora da ACU e diretora do seu laboratório Women in AI for Social Good, liderou o trabalho com colegas da Universidade Charles Darwin, da Universidade de Tecnologia de Amirkabir, em Teerão, e de outras universidades australianas.

O que muda, então, na prática? Se forem integradas em sistemas clínicos de apoio à decisão, as previsões explicadas poderão ajudar os médicos a concentrar a atenção urgente nos doentes de alto risco, a monitorizá-los continuamente e a intervir mais cedo. Shafiabady afirmou que as ferramentas devem complementar os cuidados prestados na linha da frente, e não torná-los mais complexos.

O estudo utilizou o conjunto de dados MIMIC-III. Os investigadores identificam conjuntos de dados maiores e diferentes contextos de cuidados de saúde como os próximos testes, pelo que a precisão comunicada continua a ser um resultado de investigação baseado nesse conjunto de dados.