EFETIVIDADE DE ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL PARA PREDIÇÃO DE SEPSE EM ADULTOS DE UNIDADES DE TERAPIA INTENSIVA

REVISÃO DE ESCOPO

Resumo

O reconhecimento clínico precoce da sepse é um dos principais desafios da saúde na atualidade, sobretudo os internados em Unidade de Terapia Intensiva (UTI). Com o avanço do aprendizado de máquina por meio da inteligência artificial, diversos modelos foram surgindo com a proposta de  prever a sepse em tempo oportuno, tendo visto, a presente revisão tem como objetivo identificar e sintetizar as evidências científicas sobre a efetividade de algoritmos de inteligência artificial para predição de sepse em pacientes de UTI. Revisão de escopo foi realizada nas bases de dados Cumulative Index to Nursing and Allied Health Literature (CINAHL); National Library of Medicine (MEDLINE/PubMed); Centro Latino-Americado e do Caribe de Informações e Ciências da Saúde (LILACS), Embase, Cochrane Library e Web of Science com pareamento cego, onde 3.864 estudos foram identificados e 17 deles atendiam às questões do estudo. Estudos direcionados à sepse ou choque séptico na UTI eram elegíveis para inclusão. Modelos com uma área relatada sob a curva da métrica da característica operacional do receptor (AUROC) foram analisados para identificar os contribuintes mais fortes para o modelo e seu desempenho. Heterogeneidade substancial foi observada entre os estudos e nos modelos e suas configurações, teste de índice e resultado. Esta revisão apontou que, em dados retrospectivos, o aprendizado de máquina e os modelos podem prever com precisão o início da sepse com antecedência. Embora apresentem alternativas à tecnologias tradicionais, a heterogeneidade entre os estudos limita a avaliação dos resultados combinados.