APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL PARA PREDIÇÃO DE DESFECHOS CLÍNICOS EM PACIENTES POLITRAUMATIZADOS NO HOSPITAL DE BASE DO DISTRITO FEDERAL

Resumo

Contexto: O trauma é reconhecido pela OMS como uma das principais causas de morte e incapacidade entre jovens adultos, sendo acidentes de trânsito, quedas e violência urbana os mais frequentes. No Brasil, os traumas têm grande impacto socioeconômico e sobrecarregam serviços de urgência e emergência. Para estratificação de risco, usam-se os escores ISS, RTS e TRISS, que apresentam limitações: dependência de diagnóstico anatômico detalhado, influência de fatores fisiológicos transitórios e generalização de populações estrangeiras, sem incorporar dados laboratoriais ou de imagem durante a internação. A IA surge como ferramenta promissora, permitindo análise integrada e preditiva de variáveis clínicas, demográficas, laboratoriais e de imagem, oferecendo prognósticos individualizados e em tempo real Objetivo: Avaliar a efetividade de modelos de IA na predição de desfechos clínicos (mortalidade, tempo de internação, necessidade de UTI e complicações) em pacientes politraumatizados atendidos no Hospital de Base do DF entre 2023 e 2025, comparando seu desempenho com os escores ISS, RTS e TRISS Método: Estudo de coorte retrospectiva com validação prospectiva. População: adultos (?18 anos) politraumatizados (ISS ?16), ~7.500 pacientes. Dados: Registro de Trauma do HBDF, prontuário eletrônico TASY, SIH/SUS, SAMU/DF, exames laboratoriais e de imagem. Modelos de IA: regressão logística, árvores de decisão, Random Forest, gradient boosting (XGBoost/LightGBM), redes neurais (MLP, CNN, LSTM/GRU). Desfechos: mortalidade hospitalar, tempo de internação, necessidade de UTI e complicações (sepse, pneumonia, insuficiência renal aguda). Métricas: AUC-ROC, sensibilidade, especificidade, F1-score, MAE, RMSE. Interpretabilidade: SHAP, LIME, partial dependence plots. Comparação com ISS, RTS e TRISS Resultado: IA superou escores tradicionais. Mortalidade: AUC-ROC 0,91 vs. 0,78–0,82; UTI: sensibilidade 87%, especificidade 81% vs. 70–75%; internação: MAE 1,9 dias (IA) vs. 3,4 dias; complicações: F1-score 0,84 (IA) vs. 0,66. Variáveis críticas: pressão arterial sistólica na admissão, lactato sérico, tempo de resposta pré-hospitalar e idade Conclusão: Modelos de IA integrando dados clínicos, laboratoriais e de imagem melhoram a acurácia preditiva de desfechos em pacientes politraumatizados, superam métodos tradicionais, permitem estratificação de risco individualizada, otimizam fluxo hospitalar e potencialmente reduzem mortalidade e complicações