Avaliação Passiva em Ambiente Operacional do Sistema IA de Apoio à Decisão Clínica para Tratamento de Sepse

A sepse é uma disfunção orgânica com risco de vida devido a uma infecção grave e afeta 250.000 pacientes anualmente no Reino Unido (pré-COVID-19), dos quais 48.000 morrem. Além disso, praticamente todas as mortes em unidades de terapia intensiva (UTI) por COVID-19 tiveram sepse. É uma das principais causas de morte e a condição mais cara tratada em hospitais. Foi reconhecido como uma das principais prioridades de pesquisa pela James Lind Alliance, uma parceria de pacientes e médicos para priorizar as questões sem resposta mais prementes enfrentadas pelo NHS.

A pedra angular da ressuscitação da sepse é a administração de fluidos intravenosos e/ou vasopressores (medicamentos que comprimem os vasos sanguíneos para aumentar a pressão sanguínea) para manter o fluxo sanguíneo para prevenir a falência de órgãos. No entanto, há uma enorme incerteza em torno da dosagem individual desses medicamentos em um paciente individual, em parte devido à alta heterogeneidade da sepse. As diretrizes atuais fornecem recomendações em nível populacional, mas falham em individualizar as decisões. Decisões erradas levam a resultados piores e maior uso de recursos de UTI. Uma ferramenta para personalizar esses medicamentos pode melhorar a sobrevida do paciente.

A equipe do estudo desenvolveu um novo método para revisar e recomendar automaticamente e continuamente a dose correta desses medicamentos aos médicos, que foi criado usando técnicas de inteligência artificial (IA) aplicadas a grandes bancos de dados médicos. O método utilizado é chamado de aprendizado por reforço. Nessa estrutura, o estudo modela pacientes com sepse na UTI como pertencentes a um grande número de possíveis estados de doença e analisa quais intervenções provavelmente os ajudarão na transição para estados mais saudáveis ​​e, eventualmente, para a sobrevivência. Os pesquisadores demonstraram em sua publicação inicial que o valor da estratégia de IA selecionada era, em média, confiável, maior do que os médicos humanos. Em uma grande coorte de validação independente dos dados de treinamento, a mortalidade foi menor em pacientes em que as doses reais dos médicos correspondiam às decisões de IA: as taxas de mortalidade aumentaram, de maneira dose-dependente, pois as decisões reais dos médicos divergiam das decisões de IA. A equipe de estudo estimou que seu algoritmo de IA poderia reduzir a mortalidade em 10% (em termos relativos), o que representa mais de 1.000 vidas salvas anualmente no Reino Unido e escalaria para centenas de milhares de vidas em todo o mundo. Agora, a equipe de estudo pretende iniciar os testes clínicos dessa tecnologia de IA no Reino Unido.

O produto final previsto será um software acessível aos médicos (inicialmente médicos da UTI e, posteriormente, também às enfermeiras da UTI) à beira do leito em terapia intensiva. Este software será conectado ao prontuário eletrônico do paciente, que alimentará o algoritmo de IA. Em troca, a IA identificará onde o paciente se encontra no conjunto de possíveis estados de doença e quais ações (uma dose de fluidos intravenosos e vasopressores) têm maior probabilidade de serem benéficas.

Primeiro, a equipe de estudo desenvolverá esta ferramenta de software, capaz de processar os dados do paciente no prontuário eletrônico dos hospitais do NHS em tempo real para sugerir um curso de ação. O estudo começará avaliando e refinando esta ferramenta em estudos de simulação. A equipe do estudo testará a ferramenta de IA em dois NHS Trusts em um "modo de sombra" quando o resultado não for fornecido aos médicos encarregados do atendimento ao paciente. Isso permitirá a comparação de decisões reais tomadas e decisões recomendadas do sistema de IA. Na segunda etapa da avaliação clínica, a equipe de estudo exibirá as recomendações aos médicos para avaliar a aceitabilidade da ferramenta para os médicos e também confirmar a viabilidade técnica para informar futuros ensaios clínicos em larga escala.

Os benefícios esperados a longo prazo deste projeto são numerosos: maior sobrevida do paciente, redução do uso de preciosos recursos de terapia intensiva e redução dos custos de saúde.