Aplicação de modelos preditivos (machine learning) na deterioração clínica de pacientes de alto risco baseados em IoT em diferentes cenários de assistência à saúde: prova de conceito

• Processo: 23/00750-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 31 de julho de 2026
• Área do conhecimento: Ciências da Saúde - Medicina
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Adriano José Pereira
• Beneficiário: Adriano José Pereira
• Instituição Sede: Instituto Israelita de Ensino e Pesquisa Albert Einstein (IIEPAE). Sociedade Beneficente Israelita Brasileira Albert Einstein (SBIBAE). São Paulo , SP, Brasil
• Pesquisadores associados: Edson Amaro Junior ; Uri Adrian Prync Flato
• Assunto(s): Aprendizado computacional Inteligência artificial Internet das coisas Assistência à saúde
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Deterioração Clínica | Dispositivo eletrônico vestíveis | Inteligência Artificial | Internet das Coisas | Medicina

Resumo

A deterioração clínica é o agravo da condição clínica com risco iminente de vida, por isso há um esforço em desenvolver processos que antecipem essa deterioração e direcione cuidados oportunos e apropriados para pacientes de alto risco. O Time de Resposta Rápida (TRR), por exemplo, foi implementado com o objetivo de intervir e evitar morte evitável, parada cardíaca ou transferência para uma unidade de terapia intensiva (UTI). Embora, a literatura relate o impacto positivo nos desfechos clínicos após à adoção do TRR, os sistemas evoluíram e tecnologias estão sendo incorporadas para auxiliar na identificação precoce dessa deterioração. Diversos modelos de predição baseados em Machine Learning foram desenvolvidos para prever a deterioração do paciente. Esses algoritmos utilizam os sinais vitais para extrair informações que possam antecipar a piora clínica. A maioria desses estudos são realizados em unidades de Semi Intensiva (Semi UTI) ou de tratamento intensivo (UTI) que coletam sinais continuamente por meio dos monitores estáticos. A fim de compreender e avaliar o desempenho do modelo em diferentes cenários, um algoritmo preditivo de deterioração clínica, já validado na Semi UTI do Hospital Israelita Albert Einstein, será retreinado em ambientes de pronto atendimento (UPA) e domiciliar utilizando sensores vestíveis sem fio para coleta e armazenamento de dados. (AU)