Novas pesquisas mostram que um modelo de IA, que analisa dados de wearables, pode ser usado para prever as chances de uma hospitalização não planejada entre pacientes que estão realizando terapia contra o câncer.
Pesquisadores americanos criaram um novo modelo de inteligência artificial (IA) que usa dados de wearables, como contagem diária de passos, para determinar os resultados de saúde durante a terapia e prever a probabilidade de hospitalização não planejada.
As hospitalizações não planejadas são um problema significativo para os pacientes em tratamento oncológico. Entre aqueles que recebem radioterapia ou quimiorradioterapia ambulatorial, de 10% a 20% acabam precisando de cuidados agudos que exigem uma visita ao departamento de emergência ou uma internação não planejada.
Os pesquisadores criaram um modelo de IA para ajudar os provedores, identificando e abordando esse risco precocemente. “Se a instituição de saúde pode antecipar o risco de hospitalização não planejada de um paciente, ela é capaz de mudar a forma como o apoia durante seu tratamento de câncer e reduzir a probabilidade de que ele acabe no pronto-socorro ou no hospital”, disse o Dr. Julian Hong, autor sênior do estudo e professor assistente de oncologia de radiação e ciências da saúde computacional na Universidade da Califórnia (UCSF), em São Francisco, em um comunicado de imprensa.
Para o estudo, os pesquisadores reuniram dados de 214 pacientes de três ensaios clínicos prospectivos, todos os quais usaram rastreadores de fitness por várias semanas enquanto recebiam terapia de quimioradioterapia. Entre os participantes do estudo, os tipos mais comuns de câncer foram de cabeça, pescoço e pulmão, com 30% e 29% dos participantes lutando contra essas condições, respectivamente.
Usando dados dos dispositivos vestíveis, como contagens diárias de passos, os pesquisadores criaram um modelo de regressão logística regulada por rede elástica. Além das contagens diárias de passos, os pesquisadores alavancaram métricas como as mudanças relativas nas médias semana a semana de uma pessoa.
Depois de validar o modelo, os pesquisadores determinaram que ele poderia prever as chances de um paciente precisar de hospitalização na semana seguinte e superou significativamente o modelo sem contagem de passos.
“As contagens de passos imediatamente anteriores à janela de previsão acabaram sendo geralmente mais preditivas do que as variáveis clínicas. A natureza dinâmica da contagem de passos, o fato de que eles estão mudando todos os dias, parece torná-los um indicador particularmente bom do estado de saúde de um paciente”, disse Hong.
Além disso, os pesquisadores pretendem realizar uma validação mais precisa do modelo, bem como um exame de outras métricas coletadas por wearables e como elas podem ser usadas em um ambiente clínico.
O uso da IA para realizar previsões de risco à saúde tem se tornado cada vez mais comum. Por exemplo, em abril, pesquisadores da Universidade Johns Hopkins criaram uma ferramenta de IA que usa imagens brutas de corações de pacientes e dados demográficos para prever parada cardíaca. Os pesquisadores descobriram que a ferramenta tinha potencial para apoiar a tomada de decisões clínicas.
Outro estudo de junho descreveu como os modelos de previsão de risco clínico para sepse, delírio e lesão renal aguda mostraram a capacidade de ter um bom desempenho quando usados em fluxos de trabalho clínicos ao vivo.
