Notícia

Aprendizado de máquina pode ser usado para prever necessidade de atendimento de emergência

Estudo avaliou dados de 4,6 milhões de pacientes, de 1985 a 2015

 

Getty Images

Fonte

Universidade de Oxford

Data

quinta-feira, 29 novembro 2018 10:35

Áreas

Computação. Bioinformática. Inteligência Artificial. Medicina.

Aprendizado de máquina – um campo de inteligência artificial que usa técnicas estatísticas para permitir que sistemas de computador “aprendam” a partir de dados – pode ser usado para analisar registros eletrônicos de saúde e prever o risco de internações hospitalares de emergência, concluiu um novo estudo publicado pelo The George Institute for Global Health da Universidade de Oxford, no Reino Unido.

A pesquisa, publicada na revista científica  PLOS Medicine, sugere que o uso dessas técnicas poderia ajudar os profissionais de saúde a monitorar com precisão os riscos enfrentados pelos pacientes e implementar medidas para evitar admissões não planejadas, que são uma importante fonte de gastos com saúde. “Houve mais de 5,9 milhões de internações hospitalares de emergência registradas no Reino Unido em 2017, e uma grande proporção delas seria evitável”, disse a Dra. Fatemeh Rahimian, cientista de dados do The George Institute UK, que liderou a pesquisa.

“Queríamos fornecer uma ferramenta que permitisse aos profissionais de saúde monitorar com precisão os riscos enfrentados por seus pacientes e, como resultado, tomar melhores decisões em relação à triagem de pacientes e aos cuidados proativos que poderiam ajudar a reduzir o ônus das admissões de emergência”, explicou a pesquisadora.

O estudo, que considerou 4,6 milhões de pacientes atendidos entre 1985 e 2015, foi conduzido usando registros eletrônicos de saúde vinculados do Clinical Practice Research Datalink do Reino Unido. Uma ampla gama de fatores foi levada em conta, incluindo idade, sexo, etnia, condição socioeconômica, história familiar, fatores de estilo de vida, comorbidades, medicação e estado civil, bem como o tempo desde o primeiro diagnóstico, o último uso do sistema de saúde e testes laboratoriais.

Usando mais variáveis ​​combinadas com informações sobre seu tempo, os modelos de aprendizado de máquina forneceram uma previsão mais robusta do risco de internação hospitalar de emergência do que qualquer modelo usado anteriormente.

“Nossas descobertas mostram que, com grandes conjuntos de dados que contêm informações ricas sobre indivíduos, os modelos de aprendizado de máquina superam os melhores modelos estatísticos convencionais”, disse a Dra. Rahimian. “Achamos que isso ocorre porque os modelos de aprendizado de máquina capturam e “aprendem”automaticamente a partir de interações entre os dados que não conhecíamos anteriormente.”

Ainda são necessárias mais pesquisas para concluir se os modelos de aprendizado de máquina podem levar a melhorias igualmente fortes na previsão de risco em outras áreas da medicina.

Acesse o artigo científico completo (em inglês).

Acesse a notícia na página da Universidade de Oxford (em inglês).

Fonte: Universidade de Oxford. Imagem: Getty Images.

Os comentários constituem um espaço importante para a livre manifestação dos usuários, desde que  cadastrados no Canal Ambiental e que respeitem os Termos e Condições de Uso. Portanto, cada comentário é de responsabilidade exclusiva do usuário que o assina, não representando a opinião do Canal Ambiental, que pode retirar, sem prévio aviso, comentários postados que não estejam de acordo com estas regras.

Leia também

Entre em Contato

Enviando

2018 Portal Tech4Health | Portal de Notícias, Conteúdos e Rede Profissional em Saúde e Tecnologias da Rede T4H.

ou

Fazer login com suas credenciais

ou    

Esqueceu sua senha?

ou

Create Account