Nossa avaliação:

Um modelo de inteligência artificial (IA) pode ser capaz de descartar a infecção por COVID-19 entre as pessoas que chegam ao hospital, antes que os resultados dos testes de vírus estejam prontos.

Pesquisadores da Universidade de Oxford usaram dados de mais de 115.000 visitas ao hospital por adultos e cinco milhões de testes laboratoriais de rotina, para 'treinar' um algoritmo para prever quem tinha SARS-CoV-2, o vírus que causa COVID-19.

Eles usaram informações que puderam ser obtidas dentro de uma hora após a chegada do paciente ao hospital. Exames de sangue e sinais vitais de rotina (como a velocidade da respiração do paciente) forneceram as informações mais úteis e esse tipo de informação foi usado para construir seu algoritmo. Testar o algoritmo em uma amostra adicional de adultos atendidos no hospital sugeriu que ele teve um bom desempenho em descartar COVID-19, embora não identifique todos que têm uma infecção.

No momento, os resultados dos testes de esfregaço para o vírus para confirmar COVID-19 podem levar 24 horas ou mais para chegar. Se os hospitais pudessem descartar COVID-19 em algumas pessoas antes que os resultados dos testes estivessem disponíveis, isso poderia tornar o tratamento precoce (e a necessidade de controle de infecção) mais simples. O estudo ainda precisa ser verificado por revisores especialistas, e mais testes do algoritmo em outros ambientes provavelmente serão necessários antes que ele possa ser usado mais amplamente.

Como surgiu esta história?

o Correio diário foi um dos meios de comunicação que relatou o 'novo teste de IA' para COVID-19. A informação veio do Hospital John Radcliffe da Universidade de Oxford, que disponibilizou os resultados de seu estude. O estudo ainda não foi publicado em um periódico com revisão por pares, portanto não foi verificado por revisores especialistas para garantir que os métodos e resultados sejam confiáveis.

Qual é a base para esta afirmação?

Os pesquisadores da Universidade de Oxford usaram todas as informações médicas coletadas rotineiramente sobre dois grupos de pessoas atendidas no departamento de acidentes e emergência ou internadas no hospital para tratamento de uma condição aguda (ou seja, não crônica):

  • participantes entre 1º de dezembro de 2017 e 1º de dezembro de 2019, nenhum dos quais teria COVID-19 (114.957 atendimentos)
  • participantes entre 1 de dezembro de 2019 e 19 de abril de 2020, com teste positivo para COVID-19 (534 atendimentos)

As informações incluíam idade, sexo e origem étnica das pessoas, além de informações básicas, como resultados de exames de sangue de rotina, níveis de oxigênio no sangue e sinais vitais, como temperatura, frequência cardíaca e respiração.

Eles alimentaram com as informações um modelo de inteligência artificial de computador, para ensiná-lo a detectar diferenças nos padrões de informação entre pessoas que tiveram testes positivos para o vírus e pessoas que não tiveram o vírus. Eles usaram 80% dos dados para “treinar” o algoritmo e, em seguida, testaram o algoritmo nos 20% restantes dos dados.

Ao olhar para as pessoas que se apresentam ao departamento de emergência ou aquelas internadas no hospital, o modelo identificou corretamente 77% de pessoas que tinham o vírus e identificou corretamente cerca de 95% daqueles que não tinham o vírus. Esses resultados significam que, se o algoritmo predisse que uma pessoa não tinha SARS-CoV-2, os médicos poderiam ter mais de 99% de certeza de que não o tinham.

Após este período de 'treinamento', os pesquisadores testaram o modelo em dados coletados de todos os pacientes que compareceram ao hospital de 20 de abril a 6 de maio de 2020, para ver quão bem o modelo poderia prever quem testou positivo para SARS-CoV-2. Essa amostra incluiu 3.326 pessoas que compareceram ao pronto-socorro e 1.715 pessoas que deram entrada no hospital. Nessas amostras, o algoritmo também teve um bom desempenho, e mais de 97% daqueles que o algoritmo disse não ter COVID-19 tiveram resultados negativos para SARS-CoV-2.

O que dizem as fontes seguras?

Como se trata de uma pesquisa em estágio inicial, que ainda aguarda a revisão por pares de especialistas, nenhum órgão oficial comentou o estudo.

O algoritmo precisará de mais testes para determinar se ele funciona da mesma forma em pacientes em outros hospitais e em outros ambientes (como em países diferentes) e por períodos mais longos, conforme as taxas de infecção variam.

Os médicos também precisarão pensar sobre a utilidade do algoritmo em seu ambiente e como o algoritmo e seus resultados podem ser incorporados aos processos de teste e controle de infecção. Por exemplo, como o algoritmo não detecta alguns indivíduos com COVID-19, os médicos precisariam decidir se ainda deveriam usar o teste de esfregaço para identificar aqueles que foram perdidos pelo algoritmo e decidir quais medidas de controle de infecção seriam apropriadas ao gerenciar pacientes com previsão de ser negativo para COVID-19 no algoritmo.

Análise da EIU Healthcare , apoiada por Reckitt Benckiser

Citações

  1. Soltan AS et al. A avaliação baseada na inteligência artificial de dados de saúde coletados rotineiramente é um teste de triagem eficaz para COVID-19 em pacientes que se apresentam ao hospital. Pré-impressão disponível em medRxiv 2020.07.07.20148361; doi: https://doi.org/10.1101/2020.07.07.20148361 (Acessado em 25 de agosto de 2020).