AiCR: Inteligência Artificial em Parada Cardíaca (AiCR)

A incidência geral de parada cardiorrespiratória na Europa é estimada em 350.000 a 700.000 casos por ano. A taxa de sobrevivência é estimada em 10,7% para todos os distúrbios do ritmo combinados.

Existem vários exemplos de aplicação de IA na área médica. Ting et al desenvolveram uma ferramenta computacional capaz de diagnosticar a presença de retinopatia diabética com excelente poder. Na ressuscitação, Celi et al propuseram uma ferramenta capaz de predizer a necessidade de enchimento vascular cristalóide durante um estado inflamatório sistêmico. Na Nature em 2018, Komorowski demonstrou a eficácia da IA ​​no manejo hemodinâmico da sepse. Em um estudo da resposta renal ao desafio com fluidos, Zhang et al. demonstrar a eficácia da máquina de aprendizagem.

Objetivos: Determinação de um algoritmo capaz de predizer a mortalidade de pacientes internados em unidades de terapia intensiva (UTI) por ACR a partir de relatórios de internação (CRH). Também uso do algoritmo para prever o risco de recorrência da parada, a duração da ventilação mecânica, o aparecimento de sepse, o desenvolvimento de falência de órgãos, a previsão do CPC (Cerebral Performance Category), o tempo para obter a retirada de catecolaminas, o aparecimento de insuficiência renal aguda com ou sem necessidade de purificação extra-renal (EER) e duração em EER, tempo médio de internação.

Este projeto faz parte de um projeto maior, de abrangência nacional e com maior poder, e inclui todos os dados gerados durante a internação em terapia intensiva.

Método: estima-se que o número total de pacientes incluídos neste estudo esteja entre 300 e 500. A população virá das unidades de terapia intensiva de Nice, Antibes, Cannes, Grasse.

A inclusão será retrospectiva, em CRH, CR de imagens de TC (cerebral e toraco-abdomino-pélvica), ressonância magnética, EEG e palavras de acompanhamento diário, de 2014 até o final de 2020.

Após anonimização, aplicação de semantização usando métodos de processamento de linguagem natural (NLP). Os dados a serem extraídos são inseridos em um documento escrito por médicos intensivistas. Esses dados serão então armazenados em um banco de dados. Para atender ao objetivo principal, desenvolveremos um algoritmo computacional capaz de predizer a mortalidade na população de estudo. Esse algoritmo, baseado em um grande banco de dados, pode ser projetado usando aprendizado de máquina ou mesmo técnicas de aprendizado profundo, dependendo da quantidade de dados a serem processados.