A Previsão de Mortalidade por IA Está Reformulando a Tomada de Decisões no Fim da Vida?

Pesquisadores da OSF HealthCare, em Illinois, aproveitaram o poder da inteligência artificial (IA) para auxiliar profissionais médicos na determinação da probabilidade de um paciente morrer durante sua internação hospitalar. Com uma necessidade premente de facilitar conversas cruciais sobre o fim da vida, a equipe da OSF HealthCare criou um modelo de IA especificamente projetado para prever o risco de morte de um paciente em um prazo que varia de cinco a 90 dias após a admissão.

O objetivo principal por trás deste esforço pioneiro é permitir que os clínicos se envolvam em discussões essenciais sobre as preferências dos pacientes para o fim da vida e garantir que seus cuidados estejam alinhados com seus desejos. O Dr. Jonathan Handler, Senior Fellow de Inovação da OSF HealthCare e autor principal do estudo, enfatizou a aspiração da organização de documentar discussões sobre planejamento de cuidados avançados para cada paciente que atendem. Isso se torna especialmente crítico durante a fase sensível do fim da vida, quando os pacientes podem se tornar incapazes de se comunicar devido à sua condição clínica.

O Dr. Handler apontou que, quando os pacientes atingem um estado de inconsciência ou requerem ventilação mecânica, pode ser tarde demais para eles expressarem suas preferências de cuidados de saúde. Idealmente, o preditor de mortalidade alimentado por IA serve como uma medida preventiva para evitar situações em que os pacientes morrem sem se beneficiar de cuidados paliativos que uma documentação anterior poderia ter facilitado.

A impressionante precisão da IA na previsão de mortalidade de pacientes

O modelo de IA passou por testes rigorosos, envolvendo mais de 75.000 pacientes de origens diversas, abrangendo várias raças, etnias, gêneros e fatores socioeconômicos. Os resultados da pesquisa, publicados recentemente no Journal of Medical Systems, revelaram que a taxa geral de mortalidade entre os pacientes era de um em 12. Mas, para aqueles sinalizados pelo modelo de IA como tendo maior probabilidade de morrer durante sua internação, a taxa de mortalidade aumentou para um em quatro, marcando um aumento de três vezes em comparação com a média.

Notavelmente, o desempenho do modelo permaneceu consistente, seja testado antes ou durante a pandemia de COVID-19, atestando sua robustez e confiabilidade.

O modelo de IA foi treinado em um conjunto de dados extenso composto por 13 tipos diferentes de informações do paciente, incluindo tendências clínicas, funcionalidade dos órgãos, frequência de interação com o sistema de saúde e idade do paciente. Ele utiliza esses dados para gerar uma probabilidade ou “nível de confiança” para cada paciente, acompanhado de uma explicação que detalha o risco elevado de mortalidade. Isso simplifica o processo de tomada de decisão para os médicos, apresentando-lhes informações abrangentes que normalmente exigiriam tempo e esforço extensivos para coleta, análise e resumo.

O papel da IA na saúde

Embora reconheça que o preditor pode não ser infalível, o Dr. Handler enfatizou seu propósito principal de estimular os clínicos a se envolverem em conversas vitais com os pacientes. Independentemente da precisão da previsão, o objetivo final continua sendo garantir que os pacientes recebam cuidados no fim da vida que estejam alinhados com suas necessidades e preferências únicas.

Atualmente em uso na OSF, a ferramenta de IA foi integrada perfeitamente aos fluxos de trabalho dos clínicos para fornecer suporte e melhorar as interações entre paciente e clínico. A equipe está otimizando ativamente a ferramenta para maximizar seu impacto na promoção de discussões significativas e reflexivas entre pacientes e provedores de cuidados de saúde.

A promessa e as armadilhas da previsão de mortalidade por IA

À medida que a indústria da saúde abraça a IA, especialistas como o Dr. Harvey Castro, médico de medicina de emergência certificado pelo conselho em Dallas, Texas, alertam sobre riscos e limitações potenciais. Falsos positivos, onde o modelo de IA prevê incorretamente um alto risco de mortalidade, podem levar a angústia desnecessária para pacientes e suas famílias. Falsos negativos, por outro lado, podem resultar em discussões sobre o fim da vida atrasadas ou perdidas e a negligência potencial dos desejos finais dos pacientes.

Preocupações adicionais incluem a dependência excessiva da IA, questões de privacidade de dados e vieses que podem surgir se o modelo for treinado em um conjunto de dados limitado, potencialmente levando a disparidades nas recomendações de cuidado entre vários grupos de pacientes. O Dr. Castro destaca a importância de combinar previsões de IA com um toque humano compassivo, particularmente em discussões sensíveis sobre vida e morte.

Mecanismos contínuos de monitoramento e feedback são considerados essenciais para garantir a precisão e a eficácia dos modelos de IA em cenários reais de saúde. O Dr. Castro enfatiza que a exploração ética do papel da IA na saúde, particularmente em previsões de vida e morte, continua sendo primordial para garantir que a inovação sirva aos melhores interesses dos pacientes e seu bem-estar.