Get Adobe Flash player
Quarta, 11 Abril 2018 15:01

Com Inteligência Artificial, o Ochsner Health System prevê quais pacientes estão em “alerta” de parada cardíaca

E se os médicos pudessem prever o futuro e saber quem está prestes a apresentar os sintomas, para poder impedir que algo mais sério aconteça?

Uma nova ferramenta de inteligência artificial (IA), lançada pelo Ochsner Health System, permite que os médicos façam exatamente isso, analisando milhares de dados para prever quais pacientes vão piorar em um futuro próximo.

Construída com uma plataforma de aprendizado de máquina pela Epic, a inovadora tecnologia aciona alertas de pré-ataque que ajudam as equipes de atendimento da Ochsner a intervir mais cedo, tratar os pacientes de forma mais proativa e salvar mais vidas.

“É como uma ferramenta de triagem”, diz Michael Truxillo, diretor médico da equipe de resposta rápida e ressuscitação do Ochsner Medical Center, principal hospital da organização, em Nova Orleans, EUA.

“Um médico pode estar supervisionando de 16 a 20 pacientes em uma unidade, e saber quem precisa mais de sua atenção é sempre um desafio”, diz ele. “A ferramenta diz: ‘Ei, com base em valores de laboratório, sinais vitais e outros dados, olhe para este paciente agora’.”

Em um piloto de 90 dias com o sistema, o Ochsner reduziu com sucesso o número típico de casos do hospital em 44%. Agora, está expandindo a tecnologia para um cronograma de 24 horas e para mais hospitais em sua rede, o que constitui o maior sistema de saúde sem fins lucrativos da Louisiana. A plataforma de aprendizado de máquina e a biblioteca de modelos da Epic estão disponíveis para todas as organizações que usam o software da Epic, independentemente de as organizações terem cientistas de dados na equipe.

Doutora Danielle Jacks monitora os sinais vitais de um paciente no Ochsner Medical Center

Integrando a IA e mudando a cultura

A rápida ascensão da IA levou a muitos projetos de pesquisa para cuidados de saúde, mas o Ochsner é um dos primeiros sistemas do país a integrar a IA nos fluxos de trabalho de atendimento ao paciente. A base de sua ferramenta preditiva começou há cinco anos, quando o Ochsner iniciou a tarefa de padronizar fluxos de trabalho e consolidar fontes de dados em seus muitos hospitais.

Os modelos preditivos precisam de grandes quantidades de dados, e o trabalho de base com o software de registros de saúde da Epic agora permite que o Ochsner consulte um grande banco de dados de 11 hospitais. Esses dados permitiram ao Ochsner construir, treinar e validar um modelo para prever a piora do paciente.

“Tínhamos uma visão, há cinco anos, de que iríamos usar os dados e isso tinha que ser feito de forma limpa”, diz Richard Milani, diretor de transformação clínica do Ochsner Health System e diretor médico do innovationOchsner, um programa focado em revolucionar o cuidado com a saúde com novas soluções.

Construir o modelo foi um trabalho árduo, mas integrá-lo em um fluxo de trabalho humano também foi difícil. A tecnologia exigia uma nova maneira de trabalhar. No início, alguns médicos achavam que a ferramenta era outra “calculadora de pontuação”, que identifica grandes grupos de pacientes de alto risco e era algo a que uma enfermeira poderia responder.

O cirurgião cardiovascular Aditya Bansal (em pé) e a doutora Danielle Jacks conversam sobre diagnóstico com o paciente George Wetherington e sua esposa Delores no Ochsner Medical Center

Outras vezes, o sistema acionava um alerta para um paciente logo depois que uma enfermeira verificava os sinais vitais e saía da sala. Os status dos pacientes mudam constantemente, e o sistema envia apenas um punhado de alertas por dia – de seis a dez, de centenas de pacientes. Cada alerta requer atenção de um provedor treinado em diagnósticos rápidos e não apenas em ressuscitação.

“Esse é um jogo totalmente diferente, que está mudando a cultura”, diz Milani. “Estamos criando treinamentos específicos que normalmente não existem e construindo equipes para fazer isso bem.”

Alertas fornecem prevenção de quatro horas

Para reduzir falsos positivos, sua equipe treinou o modelo para o público do Ochsner, que tem muitos pacientes com insuficiência renal e cardíaca. Os valores laboratoriais pioram antes de um paciente em diálise passar por tratamento, mas ele não está sujeito a entrar em situação de risco.

Da mesma forma, pacientes com LVAD (Left ventricular assist device ou dispositivo de assistência ventricular esquerda) – aqueles implantados com um dispositivo de auxílio cardíaco – têm uma linha fixa de aparência alarmante para leituras de pressão sanguínea, mas estão muito vivos. O modelo do Ochsner explica os dois tipos de paciente.

Enfermeira Dionne Rachal monitora sinais vitais de paciente no Ochsner Medical Center

“Parte desse projeto foi aprender o que acontece quando você coloca o modelo no mundo real”, diz Jonathan Wilt, diretor de tecnologia do innovationOchsner. “E, sabendo o que será difícil prever, o modelo pode lidar com os humanos inserindo manualmente números e sinais vitais?”

A equipe também ajustou o tempo e a frequência. Poucos alertas perdiam pacientes de alto risco, mas muitos produziam muitos alertas. Os alertas enviados cedo demais não transmitiam a urgência, enquanto os enviados muito tarde não permitiam intervenções.

Um alerta de quatro horas acabou sendo ideal, dando tempo suficiente para que um provedor de resposta rápida conclua o que está fazendo, caminhe – não corra – até o quarto de um paciente e faça uma avaliação. As intervenções podem ser uma mudança de medicação, transferência para a UTI ou outra forma de atendimento elevado.

“O modelo é forte, mas queríamos saber: ‘Com as informações, você pode fazer algo para mudar o que teria sido o curso da história?’”, afirma Milani.

Cientista de dados treinado, Wilt também está usando as avançadas ferramentas de aprendizado de máquina da Epic para prever úlceras de pressão e infecções hospitalares. Mas a plataforma da Epic permite que sistemas de saúde de todos os tamanhos – incluindo aqueles sem especialistas em IA – construam e integrem modelos rapidamente.

Alerta da piora de um paciente é recebido no aplicativo móvel Haiku, da Epic, no Ochsner Medical Center

A biblioteca de modelos de aprendizado de máquina da empresa e uma crescente “economia de algoritmos” entre as organizações, que usam o software da Epic, também ajudam os sistemas de saúde, quer eles prevejam a sepse, o risco de readmissões ou os níveis de pessoal.

“Isso significa que você não precisa ter cientistas de dados em sua organização para aproveitar o aprendizado de máquina”, diz Seth Hain, diretor de análise e aprendizado de máquina da Epic.

Com o Microsoft Azure, a plataforma é praticamente invisível para os usuários finais, de modo que tudo o que eles veem são informações importantes em tempo real – um alerta, uma ação recomendada ou análises do painel. “Isso dá ao provedor mais tempo para se concentrar no paciente”, conta Hain.

Truxillo diz que os provedores do Ochsner passaram a adotar a ferramenta de previsão.

“Os médicos são inerentemente céticos”, diz ele. “Eles estão se perguntando: ‘A inteligência artificial vai substituir os médicos?'”

A resposta é não; os médicos ainda precisam diagnosticar os pacientes, explica. A ferramenta os ajuda a priorizar os cuidados e sintetizar os fluxos constantes de informação que os médicos devem rastrear.

“Esta tecnologia definitivamente ajuda a salvar vidas”, diz Truxillo. “Se pudermos fazer a diferença para os pacientes com os alertas, fizemos um tremendo serviço para eles, suas famílias e a comunidade.”

Imagem do alto: Michael Truxillo, diretor médico da equipe de resposta rápida e ressuscitação do Ochsner Medical Center

Fotos: cortesia do Ochsner Medical Center

Da microsoft

Última modificação em Quarta, 11 Abril 2018 15:48

Adicionar comentário


Código de segurança
Atualizar

Veja Também