A melhoria dos resultados dos pacientes na unidade de terapia intensiva (UTI) levou ao desenvolvimento de algoritmos preditivos projetados para fornecer alertas específicos do paciente à beira do leito, dando um passo importante em direção ao futuro dos cuidados intensivos proativos. Apesar do seu potencial, este processo encontrou obstáculos, particularmente a utilização de dados recolhidos retrospectivamente, o que muitas vezes resulta em medidas de desempenho que não reflectem a sua eficácia no mundo real. A falta de modelos testados em ambientes reais destaca lacunas significativas na melhoria do atendimento ao paciente. Neste contexto, o ViSIG se destaca como um sistema inovador de reconhecimento de padrões projetado para detectar sinais precoces de possível morte em pacientes de UTI. Esta abordagem inovadora, que utiliza algoritmos genéticos para detectar alterações nos sinais vitais que indicam declínio fisiológico subjacente, redefinirá a gestão e os cuidados aos pacientes em ambientes de cuidados intensivos para adultos.
Um estudo marcante conduzido pelo Dr. Andrew Kramer da Prescient Healthcare Consulting em colaboração com os Drs. Ibrahim El Husseini do Hospital Universitário Robert Wood Johnson-Barnabas, Simon Didcote da OBS Medical Ltd, Paula Maurer da Rede de Decisão Médica e os Drs. Frantz Hastrup e James Krinsley, do Stanford Hospital, revelaram a eficácia do ViSIG. Seu importante trabalho foi publicado em Informática Médica Desbloqueadadestacando o papel do sistema na transformação do atendimento aos pacientes na UTI.
“Nosso objetivo é aproveitar o poder preditivo do aprendizado de máquina para fornecer aos médicos as informações de que precisam para tomar decisões informadas”, disse o Dr. Kramer, que destacou uma extensa colaboração entre seis UTIs de adultos em dois hospitais nos Estados Unidos para analisar o impacto do ViSIG.
Investigações anteriores (Departamento de Medicina Intensivaoutubro de 2013) verificaram a precisão preditiva do algoritmo ViSIG, com pontuações mais altas intimamente associadas a um risco aumentado de morte. O presente estudo utilizou uma abordagem em duas etapas para avaliar a utilidade clínica do ViSIG. Inicialmente, os médicos não conheciam as pontuações do sistema e, em seguida, foi introduzida uma etapa na qual essas pontuações eram acessíveis através de uma interface amigável. “Este estudo foi cuidadosamente elaborado para medir o impacto deste sistema nos resultados clínicos”, observou o Dr. Kramer.
O modelo preditivo do ViSIG depende do monitoramento contínuo dos sinais vitais e do estado da ventilação mecânica para produzir um escore composto com três níveis de risco de mortalidade. A pontuação é fácil de interpretar e atualizada a cada 30 minutos, o que a torna muito oportuna. “Essa abordagem nos permite fornecer evidências da deterioração do paciente antes das manifestações clínicas, reduzindo, esperançosamente, resultados prejudiciais não intencionais”, explicou o Dr. Kramer, que enfatizou a importância de testar os algoritmos avançados do ViSIG em situações do mundo real.
Os resultados do estudo foram alarmantes e mostraram melhorias significativas no atendimento ao paciente. “A adoção do ViSIG no fluxo de trabalho clínico pode melhorar significativamente os resultados, particularmente na redução do tempo de internação na UTI e do tempo de ventilação mecânica”, relatou o Dr. Kramer. O estudo também observou reduções significativas nas readmissões na UTI, demonstrando a capacidade do ViSIG de melhorar o atendimento imediato e promover a saúde do paciente no longo prazo. O trabalho do Dr. Andrew Kramer e sua equipe demonstra os benefícios da integração de ferramentas de aprendizado de máquina como o ViSIG em ambientes de cuidados intensivos. Ao fornecer aos médicos insights em tempo real sobre a condição do paciente, o ViSIG apoia a tomada de decisões clínicas informadas que melhora significativamente os resultados dos pacientes.
Referência do diário
AA Kramer et al., “Avaliação prospectiva de um sistema de apoio à decisão clínica baseado em aprendizado de máquina (ViSIG) na redução de resultados adversos em pacientes adultos gravemente enfermos”, Informatics in Medicine Unlocked, 2024.
Número digital: https://doi.org/10.1016/j.imu.2023.101433.
Sobre o autor
Dr. Esteve ativamente envolvido em pesquisas em cuidados intensivos nos últimos 22 anos. Ele é co-desenvolvedor dos sistemas de gravidade de doenças APACHE IV, APACHE IVa, MPM-III e OASIS e criou mais de 100 modelos preditivos usados em todo o mundo. Além disso, publicou mais de 80 manuscritos em periódicos de alto impacto, dois dos quais foram citados mais de 500 vezes. Dr. Kramer recebeu seu PhD em genética humana pela Faculdade de Medicina da Virgínia. Posteriormente, ele recebeu uma bolsa de pós-doutorado em epidemiologia. Dr. Kramer ingressou na Cerner Corporation em 2003 e trabalhou lá até 2015, liderando os esforços de pesquisa em cuidados intensivos da empresa. Em 2015, ele deixou a Cerner para fundar a Prescient Healthcare Consulting, uma empresa focada em fornecer soluções analíticas inovadoras para cuidados intensivos.
Dr. Graduado pela Faculdade de Medicina da Universidade de Yale e pela Faculdade de Medicina da Universidade Cornell. Ele completou seu treinamento em medicina interna na Universidade de Nova York e em medicina pulmonar intensiva na Escola de Medicina da Universidade de Yale. Ele atuou como Diretor da Unidade de Terapia Intensiva do Stanford Hospital de 1998 a 2020 e como Professor de Medicina Clínica na Faculdade de Médicos e Cirurgiões Vagelos da Universidade de Columbia. Desde 2003, publica extensivamente sobre controle glicêmico em pacientes críticos e sobre temas que envolvem ventilação mecânica. Uma lista completa de suas publicações pode ser encontrada em: https://scholar.google.com/itations?user=uj0vccAAAAAJ&hl=en.
