Avaliando a eficácia de modelos de inteligência artificial na previsão das necessidades de internação em unidades de terapia intensiva

As unidades de cuidados intensivos (UCI) são componentes essenciais dos sistemas de saúde, proporcionando cuidados que salvam vidas a pacientes com condições graves e potencialmente fatais. A previsão oportuna e precisa das necessidades de internação na UTI é essencial para melhorar os resultados dos pacientes e otimizar a alocação de recursos hospitalares. As admissões tardias na UTI têm sido consistentemente associadas a maiores taxas de morbidade e mortalidade. Com o advento da inteligência artificial (IA) nos cuidados de saúde, existe uma oportunidade para melhorar a tomada de decisões clínicas, aproveitando os modelos de IA para prever com precisão as necessidades da UCI. Modelos de IA, como ChatGPT e Gemini, podem processar grandes quantidades de dados complexos para identificar padrões que podem não ser imediatamente evidentes para os médicos humanos, melhorando potencialmente a velocidade e a precisão das decisões de admissão na UTI.

Este é um estudo retrospectivo observacional. Os dados foram coletados retrospectivamente de registros eletrônicos de saúde (EHRs) de um hospital.

Os dados foram extraídos de EHRs e incluíram:

Dados demográficos: Idade, sexo e características básicas do paciente. Parâmetros clínicos: informações sobre medicamentos, detalhes da consulta, achados de ECG, resultados de imagem, condições comórbidas (por exemplo, diabetes mellitus, hipertensão, insuficiência cardíaca, DPOC, eventos cerebrovasculares) e valores laboratoriais (por exemplo, hemoglobina, hematócrito, contagem de plaquetas, PT, INR , procalcitonina, ALT, AST, bilirrubina, sódio, potássio, cloreto, glicose, creatinina, uréia, albumina, testes de função tireoidiana).

Dados de previsão: previsões do modelo de IA e decisões reais de admissão na UTI.