Impacto da Inteligência Artificial em um Programa de Telemonitoramento de Pacientes com DPOC com Internações Múltiplas

Programas de telemonitoramento são uma alternativa aos sistemas tradicionais de controle de pacientes, principalmente em doenças crônicas. Este tipo de ferramentas são importantes também pelo envelhecimento da população, pelo aumento das doenças crónicas e pelo consequente aumento dos custos de manutenção dos sistemas de saúde. Por outro lado, hoje em dia estes doentes crónicos são especialmente atendidos por exacerbações, fundamentalmente em situações de urgência e internamento, e também em consultas presenciais agendadas quando os doentes se encontram estáveis. Então, uma atenção mais atenta é mais desejável do ponto de vista clínico, gerencial e de custos.

A DPOC (Doença Pulmonar Obstrutiva Crônica) é uma doença altamente prevalente. Além disso, apresenta alto consumo de recursos sanitários e custos, 50% dos quais decorrentes de internações.

Além disso, as exacerbações na DPOC e principalmente as graves, trazem consequências importantes para os pacientes (diminuição da função pulmonar, piora da qualidade de vida e aumento da mortalidade).

Por conta disso, o telemonitoramento surge como uma solução para melhorar o controle desses pacientes e melhorar o consumo de recursos. No Hospital Galdakao, na Espanha, foi iniciado um programa de telemonitoramento em pacientes com DPOC que reinternam no hospital. Seu objetivo primário era reduzir as reinternações por exacerbações da DPOC e poderia demonstrar uma diminuição significativa no uso de recursos sanitários (internações, visita ao pronto-socorro, reinternações e dias médios de internação). Também demonstrou menor piora dos sintomas clínicos e da qualidade de vida nos pacientes mais graves.

No entanto, existem três fatores muito importantes nas doenças crônicas: o aumento do número de pessoas idosas, o aumento das pessoas com doenças crônicas e a rápida evolução da tecnologia, especialmente dos sistemas de memória e processamento da informação.

Machine Learning (ML) é a parte mais importante da Inteligência Artificial, e seu objetivo é o aprendizado de um computador. O computador escreve seus próprios programas para resolver problemas que não sabemos resolver. Quando os trabalhos são difíceis, como fazer previsões em cenários médicos, os algoritmos de ML precisam de uma grande quantidade de datas para obter o aprendizado. A maioria das bases de dados médicos tem inconvenientes que vêm da intervenção humana, como falta de dados, valores errados, etc. Por causa disso, programas baseados em telemedicina parecem ser uma plataforma ideal para algoritmos de ML. Isso porque os sistemas de telemedicina normalmente produzem um fluxo periódico de dados coletados por meio eletrônico e são salvos diretamente em um banco de dados. Esse fluxo constante de datas e a baixa participação das pessoas na coleta e armazenamento delas conferem alta qualidade às bases de dados, que os algoritmos de ML podem usar para fazer as melhores previsões.

Por isso, o TelEPOC (o programa de telemonitoramento em uma coorte de DPOC, no Hospital Galdakao) mostra-se a melhor opção para utilizar em seus dados os algoritmos de ML, pela qualidade e quantidade dos dados gerados, e também pela utilidade dessas previsões na prática clínica.

Nessa situação, a questão é se os investigadores poderiam antecipar uma exacerbação ou o quanto eles poderiam antecipar a manifestação de uma exacerbação. Para testar esta hipótese, apresenta-se aqui um projeto que utiliza Inteligência Artificial (ML).

Os investigadores fizeram anteriormente um teste deste sistema, que deu resultados promissores. Esse protótipo foi treinado com dados retrospectivos que o programa TelEPOC havia coletado antes e foi baseado em um algoritmo de ML chamado Random Forests. Com esta sonda obtiveram uma curva ROC (curva característica de operação do receptor) de 0,8 na previsão de sofrer uma exacerbação nos três dias seguintes. Atualmente, no Hospital Galdakao, está desenvolvendo um sistema ML no programa TelEPOC. Seu objetivo é antecipar um alarme (exacerbação).

Com este propósito os investigadores consideram uma série de questões adicionais que podem ser investigadas, como por exemplo: como pode afetar a chegada desta tecnologia na prática clínica diária? Neste projeto o uso do ML pode mudar a forma de focar a assistência clínica. Existem ferramentas que podem prever a evolução dos pacientes. Outra questão é que, se os investigadores anteciparem uma exacerbação, poderão alterar a base patogênica (mediadores inflamatórios) que envolve uma exacerbação da DPOC.

Os investigadores consideram esta iniciativa como pioneira neste campo da DPOC e doenças crónicas.