APLICAÇÕES DA IA NA PREDIÇÃO DE DESFECHOS CLÍNICOS EM PACIENTES EM TERAPIA INTENSIVA: UMA ANÁLISE DA LITERATURA ATUAL

Resumo

Introdução: A aplicação de inteligência artificial (IA) na medicina intensiva vem se mostrando um recurso promissor para a predição de desfechos clínicos. Modelos como o aprendizado de máquina (ML) permitem identificar padrões complexos que auxiliam na estratificação de risco, na detecção precoce de complicações e no prognóstico de pacientes críticos. Isso indica ganhos na avaliação de mortalidade, além de avanços na formulação de sistemas de alerta precoce Objetivo: Analisar as evidências que envolvem o tema IA aliado a predição de desfechos clínicos em pacientes de UTI Metodologia: Revisão bibliográfica baseada na estratégia PVO, orientada pela pergunta: “Como a inteligência artificial pode contribuir para a condução dos desfechos clínicos de pacientes em UTI?”. A busca foi realizada na base de dados PubMed, utilizando operadores booleanos (“AND” e “OR”) combinados com termos MeSH. Inicialmente, foram identificados 684 estudos, os quais foram submetidos aos critérios de inclusão (últimos cinco anos, em qualquer idioma, disponíveis gratuitamente na base de dados e de maior relevância científica) e exclusão (trabalhos que não se enquadram nos critérios de inclusão) Resultado: Algoritmos como o NAVOY®? Sepsis foram capazes de prever o início da sepse, permitindo intervenção clínica antecipada, auxiliando no monitoramento remoto e no suporte médico. O ML têm se mostrado superior aos padrões tradicionais na predição de desfechos críticos, como mortalidade e ventilação mecânica prolongada. Redes neurais, Random Forest e XGBoost destacam-se por sua capacidade de integrar diversas variáveis clínicas e laboratoriais, gerando maior precisão e confiabilidade na identificação de pacientes em risco. Modelos de alerta relacionam-se a menor mortalidade (OR 0,69; IC95% 0,60–0,79) e, no CONCERN EWS, a reduções de 35,6% da mortalidade, 11,2% da permanência e 7,5% do risco de sepse, com 24,9% mais transferências antecipadas para UTI. Tipos de regressão logística e Naive Bayes, revelam desempenho consistente, mas com limitações em relação à complexidade e volume de dados que podem ser analisados simultaneamente Conclusão: A IA aplicada à UTI já demonstra benefícios na predição de desfechos clínicos, sobretudo na redução de mortalidade, complicações e tempo de internação. Porém, são exigidos estudos mais robustos, validação multicêntrica e medidas que garantam uso ético e eficaz, pois ainda há desafios relacionados a vieses, transparência e integração segura aos prontuários