Eficácia dos Algoritmos de Inteligência Artificial

Introdução Ao longo da história da humanidade, as intervenções cirúrgicas têm sido frequentemente utilizadas no tratamento humano. Porém, apesar de suas propriedades terapêuticas, a dor sentida pelos pacientes, principalmente no pós-operatório agudo, pode ser bastante desafiadora para os médicos. A dor aguda pós-operatória é um importante problema de saúde pública. Embora 80% dos pacientes relatem sentir dor no pós-operatório, 88% deles apresentam níveis moderados ou superiores de dor. De acordo com outro estudo, mais de 60% dos pacientes cirúrgicos sofrem de dor pós-operatória aguda moderada a grave, e essa dor tem sido associada ao desenvolvimento de dor pós-operatória crônica. A dor pós-operatória mal controlada pode levar a resultados negativos, como menor satisfação do paciente, atraso na recuperação do paciente, aumento do tempo de internação hospitalar, aumento dos custos de cuidados, dor crônica, prescrição desnecessária de opioides, abuso de opioides, overdose e morte. Além disso, para proporcionar um tratamento eficaz da dor, é frequentemente utilizado o método de fornecer tratamento analgésico preventivo antes do início da dor. No entanto, esta situação pode levar à administração desnecessária de medicamentos em muitos pacientes e, consequentemente, a muitos eventos adversos, como sangramento, depressão respiratória, eventos cardíacos ou efeitos colaterais no sistema gastrointestinal de opioides, anti-inflamatórios não esteróides e outros analgésicos. Como resultado, a dificuldade em prever a dor aguda pós-operatória leva a um manejo subótimo da dor. Portanto, ser capaz de prever quais pacientes sofrerão de dor pós-operatória aguda moderada a grave otimizará a relação risco-benefício dos tratamentos analgésicos perioperatórios e garantirá que o tratamento adequado seja administrado. Embora diferentes estudos sobre o tema tenham tentado prever a dor pós-operatória com análise de regressão logística, o resultado desejado ainda não foi alcançado. Essa situação torna-se ainda mais importante em cirurgias com alto risco de dor intensa no pós-operatório, como a ressecção pulmonar. Para reduzir ou prevenir complicações pulmonares pós-operatórias em pacientes submetidos à ressecção pulmonar, é muito importante que os pacientes consigam tossir sem sentir dor e, assim, remover secreções do trato respiratório. Se não for fornecida analgesia suficiente, esses pacientes não poderão realizá-la de forma eficaz. Isso aumenta as complicações, a internação hospitalar e os custos de atendimento ao paciente. Para prevenir essas situações negativas e proporcionar analgesia ideal, novos métodos são necessários para prever os níveis de dor pós-operatória. Numerosos modelos foram propostos em estudos para compreender os fatores de risco que irão exacerbar a dor aguda intensa no pós-operatório. A maior parte das pesquisas nesta área tem se concentrado na determinação de fatores de risco para dor pós-operatória por meio de metodologia estatística. Estudos anteriores sugerem que os modelos de aprendizado de máquina podem superar os modelos estatísticos lineares na classificação dos resultados relacionados à dor pós-operatória quando características semelhantes são consideradas. Portanto, algoritmos de inteligência artificial (IA) são algoritmos que podem combinar e analisar dados complexos com centenas de variáveis ​​e fornecer novos resultados, podendo orientar uma solução eficaz na previsão e gerenciamento do processo pós-operatório. Estudos anteriores mostraram resultados promissores na previsão da dor aguda pós-operatória com uma área sob a curva (AUC) de 0,70 usando algoritmos de inteligência artificial para prever a dor com dados perioperatórios. No entanto, são necessários estudos sobre esse tema em uma cirurgia específica, como a ressecção pulmonar, que tem potencial para causar dor intensa.

Este estudo teve como objetivo prever a dor pós-operatória analisando dados perioperatórios usando algoritmos de IA em ressecções pulmonares e determinar a eficácia dos algoritmos de IA nesse sentido. Assim, objetivou-se reduzir o uso desnecessário de analgésicos nos pacientes, eliminar possíveis efeitos colaterais desses medicamentos e iniciar o tratamento analgésico eficaz em tempo hábil em pacientes com alto risco de dor.

Objetivo/Hipótese:

Este estudo teve como objetivo prever a dor pós-operatória analisando dados perioperatórios usando algoritmos de IA em ressecções pulmonares e determinar a eficácia dos algoritmos de IA nesse sentido.

H0: Algoritmos de inteligência artificial não são eficazes na previsão da dor pós-operatória em ressecções pulmonares.

H1: Algoritmos de inteligência artificial são eficazes na previsão da dor pós-operatória em ressecções pulmonares.

Método Material:

Este estudo será conduzido de acordo com a Declaração de Helsinque e será realizado no Hospital de Treinamento e Pesquisa do Sanatório SBÜ Ankara Atatürk após receber a aprovação do comitê de ética. Nosso estudo é um estudo retrospectivo. Os dados do paciente coletados retrospectivamente serão avaliados prospectivamente com algoritmos de inteligência artificial.