.
Uma equipe de pesquisadores da Universidade de Yale e de outras instituições em todo o mundo desenvolveu uma plataforma inovadora de triagem de pacientes alimentada por inteligência artificial (IA) que, segundo os pesquisadores, é capaz de prever a gravidade da doença do paciente e a duração da hospitalização durante um surto viral.
A plataforma, que aproveita dados de aprendizagem automática e metabolómica, destina-se a melhorar a gestão de pacientes e ajudar os prestadores de cuidados de saúde a alocar recursos de forma mais eficiente durante surtos virais graves que podem rapidamente sobrecarregar os sistemas de saúde locais. Metabolômica é o estudo de pequenas moléculas relacionadas ao metabolismo celular.
“Ser capaz de prever quais pacientes podem ser mandados para casa e aqueles que possivelmente precisam de internação na unidade de terapia intensiva é fundamental para as autoridades de saúde que buscam otimizar os resultados de saúde dos pacientes e usar os recursos hospitalares de forma mais eficiente durante um surto”, disse o autor sênior Vasilis Vasiliou, professor de epidemiologia na Escola de Saúde Pública de Yale (YSPH). Os pesquisadores desenvolveram a plataforma usando o COVID-19 como modelo de doença. As descobertas foram publicadas online na revista Genômica Humana.
A plataforma integra dados clínicos de rotina, informações sobre comorbidades de pacientes e dados metabolômicos plasmáticos não direcionados para orientar suas previsões.
“Nossa plataforma de triagem de pacientes alimentada por IA é diferente dos modelos típicos de previsão de IA da COVID-19”, disse Georgia Charkoftaki, principal autora do estudo e pesquisadora associada do Departamento de Ciências de Saúde Ambiental da YSPH. “Isso serve como base para uma abordagem proativa e metódica para lidar com os próximos surtos virais”.
Usando aprendizado de máquina, os pesquisadores construíram um modelo de gravidade da COVID-19 e previsão de hospitalização com base em dados clínicos e perfis metabólicos coletados de pacientes hospitalizados com a doença. “O modelo nos levou a identificar um painel de biomarcadores clínicos e metabólicos únicos que eram altamente indicativos da progressão da doença e permitem prever as necessidades de manejo do paciente logo após a hospitalização”, escreveram os pesquisadores no estudo.
Para o estudo, a equipe de pesquisa coletou dados abrangentes de 111 pacientes com COVID-19 internados no Yale New Haven Hospital durante um período de dois meses em 2020 e de 342 indivíduos saudáveis (profissionais de saúde) que serviram como controle. Os pacientes foram categorizados em diferentes classes com base em suas necessidades de tratamento, variando desde não necessitar de oxigênio externo até necessitar de pressão positiva nas vias aéreas ou intubação.
O estudo identificou uma série de metabólitos elevados no plasma que tinham uma correlação distinta com a gravidade da COVID-19. Eles incluíam alantoína, 5-hidroxitriptofano e ácido glucurônico.
Notavelmente, descobriu-se que os pacientes com níveis elevados de eosinófilos no sangue apresentavam um pior prognóstico da doença, expondo um potencial novo biomarcador para a gravidade da COVID-19. Os pesquisadores também observaram que os pacientes que necessitaram de pressão positiva nas vias aéreas ou intubação apresentaram níveis reduzidos de serotonina no plasma, uma descoberta inesperada que, segundo eles, justifica mais pesquisas.
A plataforma de triagem de pacientes assistida por IA tem três componentes essenciais:
- Árvore de decisão clínica: Esta ferramenta de medicina de precisão incorpora biomarcadores importantes para o prognóstico da doença para fornecer uma previsão em tempo real da progressão da doença e da duração potencial da internação hospitalar de um paciente. O modelo preditivo testado demonstrou alta precisão no estudo.
- Estimativa de Hospitalização: A plataforma estimou com sucesso a duração da hospitalização do paciente dentro de uma margem de erro de 5 dias. A frequência respiratória (>18 respirações/minuto) e o nitrogênio ureico mínimo no sangue (BUN), um subproduto do metabolismo das proteínas, foram considerados fatores importantes no prolongamento da hospitalização do paciente.
- Previsão de gravidade da doença: A plataforma previu de forma confiável a gravidade da doença e a probabilidade de um paciente ser internado em uma unidade de terapia intensiva. Isto ajuda os prestadores de cuidados de saúde a identificar os pacientes com maior risco de desenvolver doenças potencialmente fatais e permite-lhes iniciar tratamentos rapidamente para optimizar os resultados, afirmou o estudo.
Como parte do estudo, a equipe de pesquisa desenvolveu um software fácil de usar – o software COVID Severity by Metabolomic and Clinical Study (CSMC) – que integra aprendizado de máquina e dados clínicos para fornecer gerenciamento pré-hospitalar de pacientes e classificar as condições dos pacientes quando eles chegam ao pronto-socorro.
“Nossa plataforma modelo fornece uma abordagem personalizada para o gerenciamento de pacientes com COVID-19, mas também estabelece as bases para futuros surtos virais”, disse Vasiliou, presidente do Departamento de Ciências de Saúde Ambiental da YSPH e Professora Susan Dwight Bliss de Epidemiologia (Saúde Ambiental Ciências). “À medida que o mundo continua a lutar contra a COVID-19 e permanecemos vigilantes contra potenciais surtos futuros, a nossa plataforma alimentada por IA representa um passo promissor em direção a uma resposta de saúde pública mais eficaz e baseada em dados”.
As limitações do estudo incluem o facto de todas as amostras terem sido recolhidas entre março e maio de 2020, um período anterior ao surgimento das vacinas contra a COVID-19 e antes de muitos tratamentos para o vírus SARS-CoV-2, como o remdesivir, estarem disponíveis. Tais tratamentos poderiam reduzir as alterações observadas nos biomarcadores metabólicos. Em segundo lugar, a população de controlos saudáveis era maioritariamente branca, enquanto os pacientes com COVID-19 compreendiam uma proporção maior de indivíduos negros. Como tal, não pode ser excluída a possibilidade de a raça/etnia ser um factor que contribui para as diferenças nos sujeitos.
Pesquisadores do Laboratório de Química Analítica da Universidade Nacional e Kapodistrian de Atenas, Grécia; Colégio Imperial de Londres; e o Instituto de Química de São Carlos da Universidade de São Palo, Brasil, contribuíram para o estudo.
.
