Estudo na Faculdade de Saúde Pública da USP revela benefícios na utilização de inteligência artificial para auxiliar tomadas de decisões médicas
Texto: Camilla Almeida – Quinta, 23 de fevereiro de 2023
De acordo com o Instituto Nacional de Câncer (Inca), 705 mil casos da doença são esperados a cada ano até 2025 somente no Brasil. Dentro desse cenário preocupante, pesquisadores do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da Faculdade de Saúde Pública (FSP) da USP estudam o uso de inteligência artificial (IA) por machine learning na predição da mortalidade de pacientes com a doença. O algoritmo informa a equipe médica sobre o risco do paciente evoluir a óbito entre 12 a 24 meses após a data de diagnóstico, garantindo assim um panorama sobre a gravidade de seu estado e quais medidas preventivas específicas devem ser tomadas. A iniciativa é fruto de um financiamento garantido pela Secretaria Estadual de Saúde de São Paulo.
De acordo com o doutorando Gabriel Silva, da FSP e pesquisador principal do estudo, os dados obtidos pela IA ficariam disponíveis desde o início do tratamento. “Digamos que o paciente fez os seus exames e voltou no retorno com o médico. Ali o profissional já vai ter algumas informações, por exemplo, quanto ao estadiamento clínico”, explica Gabriel ao Jornal da USP. Estadiar um caso de câncer implica a avaliação de seu grau de disseminação – dado-chave para se identificar pacientes de alto risco.
O pesquisador afirma que a rápida indicação de um caso grave ajudaria no conhecimento antecipado de medidas que possam aumentar a sobrevida de diagnosticados com câncer. “Isso pode ser uma ferramenta muito útil para priorizar o tratamento de determinados pacientes, para identificar qualquer pessoa que tem o maior risco de morrer. O que eu faço com esse paciente hoje? Eu passo ele na frente da fila de tratamento ou esse paciente apresenta um baixíssimo risco de morte e eu consigo priorizar uma outra pessoa em uma situação mais grave?”, explica Gabriel.
A pesquisa contou com o banco de dados do Registro Hospitalar de Câncer (RHC) da Fundação Oncocentro de São Paulo (Fosp), vinculada à Secretaria de Saúde, que tem como objetivo incentivar o estudo e o ensino de atividades de prevenção e detecção precoce do câncer. Apenas pacientes diagnosticados de 2014 a 2017 no Estado de São Paulo foram incluídos no estudo, que abrange todos os cânceres com maior incidência na população brasileira, como o de mama e o de próstata. O câncer de pele não melanoma, por apresentar altos índices de cura, não foi considerado para a pesquisa. Ao todo, 29 mil pacientes tiveram seus perfis analisados por inteligência artificial, sendo que 72,7% foram diagnosticados em hospitais públicos.
A aplicação prática do uso de IA ficaria a cargo da disponibilização das informações no prontuário digital, já utilizado pelo Sistema Único de Saúde (SUS) desde 2017. O prontuário já é uma tecnologia que possibilita a consulta do histórico clínico, resultados de exames e dados sobre os pacientes.
O professor Alexandre Chiavegatto Filho, diretor do Labdaps e docente da FSP, explicita os benefícios da implementação da inteligência artificial. “Os algoritmos garantirão um subsídio à equipe médica. Hoje em dia o médico possui muita informação dispersa, mas nada que unifique tudo para dar exatamente o que esse profissional gostaria de saber, que é a gravidade desse paciente.”
A utilização de IA na área da saúde é um campo ainda pouco explorado. A aplicação por machine learning, neste caso, auxilia na tomada de decisões médicas ao utilizar algoritmos para realizar previsões precisas acerca das condições de saúde do paciente em questão. O doutorando aponta os benefícios da inteligência artificial para o campo médico. “O machine learning funciona a partir do aprendizado das regras gerais dos dados. Ao apresentarmos um conjunto de informações, são explicitadas uma série de relações que a olho nu não seriam identificadas”, explica Gabriel.
Agora, os pesquisadores prosseguem para a fase dois do estudo, utilizando uma inteligência artificial 2.0 e adotando um estudo clínico randomizado (com pacientes distribuídos aleatoriamente entre os grupos para evitar vieses). “Nós já descobrimos que esses algoritmos tomam decisões inteligentes na área da saúde. O segundo passo é se perguntar se o profissional de saúde que tem essa informação toma melhores decisões”, afirma o diretor do Labdaps. Além disso, uma possível melhora no prognóstico dos pacientes também será analisada na próxima fase.
O artigo descrevendo o estudo Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil, foi publicado na revista científica Artificial Intelligence in the Life Sciences e faz parte da pesquisa de doutorado de Gabriel Silva.
Mais informações: e-mail [email protected], com Gabriel Silva
Fonte: Jornal USP
