Dados do Trabalho

Título

Modelo Preditivo Baseado em IA para Auxílio no Perioperatório de Pacientes Cirúrgicos de Alto Risco

Objetivo

Desenvolver ferramenta de estratificação de risco baseada em dados pré-operatórios, para auxiliar na identificação de pacientes cirúrgicos de alto risco, indicação de monitorização hemodinâmica intraoperatória e alocação pós-operatória em unidade de terapia intensiva.

Métodos

Entre 181.468 pacientes atendidos no Hospital Israelita Albert Einstein - unidade Morumbi, período 2017-2023 com desfecho óbito em 48h do pós-operatório e completude de variáveis preditivas foram incluídos na análise. Cinco (5) variáveis preditivas foram obtidas pela análise não supervisionada: idade, gênero, ASA, porte anestésico pela CBHM e tipo de cirurgia, sendo associação com o desfecho óbito em 48 horas confirmada por regressão logística multivariada. Foram utilizados modelos de rede neural (CNN) e "decision-tree" para gerar fluxo guiado por dados para estratificação de risco. Além disso, realizou-se etapa de validação interna com "cross-over" utilizando 10% dos dados.

Resultados

Durante o período obteve-se 0.04% de óbitos em 48h com acurácia geral do modelo de 0.94 pela área de curva ROC; p<0.001. O ASA foi a variável de maior grau de relevância preditiva com odds ratio médio de 68 com valor incremental de risco a cada aumento do valor da escala; p<0.001. A árvore de decisão obtida determinou 6 fluxos de estratificação de risco, com riscos relativos que variam em até 6000 vezes utilizando o fluxo de menor risco.

Conclusão

Os modelos de inteligência artificial podem contribuir para melhorar a previsibilidade do risco de intervenções cirúrgicas, o que possivelmente, contribuirá com o fluxo de atendimento, uso de recursos e qualidade pós-operatórios.