Novo 'AI Doctor' prevê readmissão hospitalar e outros resultados de saúde

Dec 16, 2023

Pesquisa, atendimento ao paciente, comunicados à imprensa

7 de junho de 2023

Foto: SDI Productions/Getty

A n O programa de computador de inteligência artificial (IA) pode ler as anotações dos médicos para estimar com precisão o risco de morte dos pacientes, a duração da internação e outros fatores importantes para o atendimento. Projetada por uma equipe liderada por pesquisadores da NYU Grossman School of Medicine, a ferramenta está atualmente em uso nos hospitais da NYU Langone Health para prever as chances de um paciente que recebe alta ser readmitido dentro de um mês.

Os especialistas há muito exploram algoritmos de computador destinados a melhorar a saúde, com alguns tendo demonstrado fazer previsões clínicas valiosas. No entanto, poucos estão em uso porque os computadores processam melhor as informações dispostas em tabelas organizadas, enquanto os médicos normalmente escrevem em linguagem criativa e individualizada que reflete como os humanos pensam.

A complicada reorganização de dados tem sido um obstáculo, dizem os pesquisadores, mas um novo tipo de IA, modelos de linguagem grandes (LLMs), pode "aprender" com o texto sem precisar de dados especialmente formatados.

Em um estudo publicado online em 7 de junho na revista Nature, a equipe de pesquisa projetou um LLM chamado NYUTron que pode ser treinado usando texto inalterado de registros eletrônicos de saúde para fazer avaliações úteis sobre o estado de saúde do paciente. Os resultados revelaram que o programa poderia prever 80% daqueles que foram readmitidos, uma melhoria de aproximadamente 5% em relação a um modelo de computador padrão não LLM que exigia a reformatação de dados médicos.

"Nossas descobertas destacam o potencial de usar modelos de linguagem grandes para orientar os médicos sobre o atendimento ao paciente", disse a principal autora do estudo, Lavender Jiang, BSc, estudante de doutorado no NYU Center for Data Science. “Programas como o NYUTron podem alertar os profissionais de saúde em tempo real sobre fatores que podem levar à readmissão e outras preocupações, para que possam ser rapidamente resolvidos ou até mesmo evitados”.

Jiang acrescenta que, ao automatizar tarefas básicas, a tecnologia pode acelerar o fluxo de trabalho e permitir que os médicos passem mais tempo conversando com seus pacientes.

Os LLMs usam algoritmos de computador especializados para prever a melhor palavra para preencher uma frase com base na probabilidade de pessoas reais usarem um determinado termo naquele contexto. Quanto mais dados forem usados ​​para "ensinar" o computador a reconhecer esses padrões de palavras, mais precisos serão seus palpites com o tempo, acrescenta Jiang.

Para o estudo, os pesquisadores treinaram o NYUTron usando milhões de notas clínicas coletadas dos registros eletrônicos de saúde de 336.000 homens e mulheres que receberam atendimento no sistema hospitalar da NYU Langone entre janeiro de 2011 e maio de 2020. A "nuvem" de linguagem de 4,1 bilhões de palavras resultante " incluía qualquer registro escrito por um médico, como relatórios de radiologia, notas de progresso do paciente e instruções de alta. Notavelmente, a linguagem não era padronizada entre os médicos, e o programa podia até interpretar abreviações exclusivas de um determinado escritor.

Ilustração cortesia da Nature

De acordo com as descobertas, o NYUTron identificou 85% dos que morreram no hospital (uma melhoria de 7% em relação aos métodos padrão) e estimou 79% do tempo real de internação dos pacientes (uma melhoria de 12% em relação ao modelo padrão). A ferramenta também avaliou com sucesso a probabilidade de condições adicionais que acompanham uma doença primária (índice de comorbidade), bem como as chances de negação de seguro.

"Esses resultados demonstram que grandes modelos de linguagem tornam o desenvolvimento de 'hospitais inteligentes' não apenas uma possibilidade, mas uma realidade", disse o autor sênior do estudo e neurocirurgião Eric K. Oermann, MD. "Como o NYUTron lê informações tiradas diretamente do registro eletrônico de saúde, seus modelos preditivos podem ser facilmente construídos e rapidamente implementados por meio do sistema de saúde."

O Dr. Oermann, professor assistente nos Departamentos de Neurocirurgia e Radiologia da NYU Langone, acrescenta que estudos futuros podem explorar a capacidade do modelo de extrair códigos de cobrança, prever o risco de infecção e identificar o medicamento certo a ser pedido, entre outras aplicações potenciais.