Intersecções entre inteligência artificial (IA) e sepse: uma revisão integrativa
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1268Palavras-chave:
Algoritmos, Aprendizado de Máquina, SepseResumo
Objetivos: Realizar uma revisão integrativa da literatura para investigar o impacto da inteligência artificial (IA) no manejo clínico da sepse. Métodos: Foram utilizadas bases de dados como PubMed/MEDLINE e LILACS, e a busca por artigos foi guiada pela pergunta: qual é a contribuição da IA para a detecção e/ou tratamento da sepse? Resultados: Dos 11 artigos selecionados, destacou-se o papel fundamental do Machine Learning no desenvolvimento de modelos preditivos para a identificação de sinais precoces da sepse, resultando em melhorias nas intervenções e prognósticos. Além disso, a IA foi aplicada em sistemas de monitoramento de pacientes, como o Robô Laura™, otimizando processos clínicos. Conclusões: A IA desempenha um papel significativo no avanço do manejo clínico da sepse, oferecendo perspectivas inovadoras para diagnóstico, tratamento e prognóstico.
Referências
Wu M, Gu R, Wei, Ji. Artificial intelligence for clinical decision support in sepsis. Frontiers in Medicine. 2021 May; 8(6654640): 1-9. doi:10.3389/fmed.2021.665464 DOI: https://doi.org/10.3389/fmed.2021.665464
Taniguchi LU, Bierrenbach AL, Toscano CM, Schettino GPP, Azevedo LCP. Sepsis-related deaths in Brazil: an analysis of the national mortality registry from 2002 to 2010. Crit Care. 2014;18(6):608.doi:10.1186/s13054-014-0608-8 DOI: https://doi.org/10.1186/s13054-014-0608-8
Fleischman C, Scherag A, Adhikari NK, Hartog CS, Tsaganos T, Schlattmann P, et al. Current estimates and limitations assessment of global incidence and mortality of hospitaltreated sepsis.. Am J Respir Crit Care Med. 2016; 1; 193(3):259-72.doi: 10.1164/rccm.201504-0781OC DOI: https://doi.org/10.1164/rccm.201504-0781OC
Gonçalves LS, Amaro ML de M, Romero A de LM, Schamne FK, Fressatto JL, Bezerra CW. Implementation of an Artificial Intelligence Algorithm for sepsis detection. Rev Bras Enferm. 2020; 73(3):1-5.doi:10.1590/0034-7167-2018-0421 DOI: https://doi.org/10.1590/0034-7167-2018-0421
McCarthy J, Minsky M, Rochester N, Shannon C. A proposal for the Dartmouth summer research project on artificial intelligence. AI Magazine. 2006; 27(4):12. doi:10.1609/aimag. v27i4.1904
Greco M, Caruso PF, Cecconi M. Artificial intelligence in the intensive care unit. Semin Resp Crit Care. 2021; 42:2–9. doi: 10.1055/s-0040-1719037 DOI: https://doi.org/10.1055/s-0040-1719037
Soares CR, Peres HHC, de Oliveira NB. Processo de Enfermagem: revisão integrativa sobre as contribuições da informática. J Health Inform. 2018;10(4):113-118. DOI: https://doi.org/10.17648/enipe-2017-57368
Kalil AJ, Dias VM de CH, Rocha C da C, Morales HMP, Fressatto JL, Faria RA de. Sepsis risk assessment: a retrospective analysis after a cognitive risk management robot (Robot Laura®) implementation in a clinical-surgical unit. Res Biomed Eng. 2018;34(4):310–316. doi.org/10.1590/2446-4740.180021 DOI: https://doi.org/10.1590/2446-4740.180021
van Doorn WPTM, Stassen PM, Borggreve HF, Schalkwijk MJ, Stoffers J, Bekers O, et al. A comparison of machine learning models versus clinical evaluation for mortality prediction in patients with sepsis. PLoS ONE. 2021; 16(1): 1-15. https://doi.org/10.1371/journal. DOI: https://doi.org/10.1371/journal.pone.0245157
pone.0245157
Kudo D, Goto T, Uchimido R, Hayakawa M, Yamakawa K, Abe T, Shiraishi A, Kushimoto S. Coagulation phenotypes in sepsis and effects of recombinant human thrombomodulin: an analysis of three multicentre observational studies. Crit Care. 2021; 25(1):1-11. doi: 10.1186/s13054-021-03541-5. DOI: https://doi.org/10.1186/s13054-021-03541-5
Scherer JS, Pereira JS, Debastiani MS, Bica CG. Beyond technology: Can artificial intelligence support clinical decisions in the prediction of sepsis? Rev Bras Enferm. 2022; 75(5):1-6. doi: 10.1590/0034-7167-2021-0586. DOI: https://doi.org/10.1590/0034-7167-2021-0586
Wang D, Li J, Sun Y, Ding X, Zhang X, Liu S, Han B, Wang H, Duan X, Sun T. A Machine Learning Model for Accurate Prediction of Sepsis in ICU Patients. Front Public Health. 2021; 9:754348. doi: 10.3389/fpubh.2021.754348. DOI: https://doi.org/10.3389/fpubh.2021.754348
Hong X, Liu G, Chi Z, Yang T, Zhang Y. Predictive model for urosepsis in patients with Upper Urinary Tract Calculi based on ultrasonography and urinalysis using artificial intelligence learning. Int Braz J Urol. 2023;49(2):221–32. doi.org/10.1590/S1677-5538. DOI: https://doi.org/10.1590/s1677-5538.ibju.2022.0450
Li Y, Wu Y, Gao Y, Niu X, Li J, Tang M, Fu C, Qi R, Song B, Chen H, Gao X, Yang Y, Guan X. Machine-learning based prediction of prognostic risk factors in patients with invasive candidiasis infection and bacterial bloodstream infection: a singled centered retrospective study. BMC Infect Dis. 2022; 22(1):1-11. doi: 10.1186/s12879-022-07125-8. DOI: https://doi.org/10.1186/s12879-022-07125-8
Liaw SY, Tan JZ, Bin Rusli KD, Ratan R, Zhou W, Lim S, Lau TC, Seah B, Chua WL. Artificial Intelligence Versus Human-Controlled Doctor in Virtual Reality Simulation for Sepsis Team Training: Randomized Controlled Study. J Med Internet Res. 2023;25: 1-9. doi: 10.2196/47748. DOI: https://doi.org/10.2196/47748
Liu F, Yao J, Liu C, Shou S. Construction and validation of machine learning models for sepsis prediction in patients with acute pancreatitis. BMC Surg. 2023; 23(1): 1-13. doi: 10.1186/s12893-023-02151-y. DOI: https://doi.org/10.1186/s12893-023-02151-y
Pan X, Xie J, Zhang L, Wang X, Zhang S, Zhuang Y, Lin X, Shi S, Shi S, Lin W. Evaluate prognostic accuracy of SOFA component score for mortality among adults with sepsis by machine learning method. BMC Infect Dis. 2023; 23(1): 1-8. doi: 10.1186/s12879-023-08045-x. DOI: https://doi.org/10.1186/s12879-023-08045-x
She H, Du Y, Du Y, Tan L, Yang S, Luo X, Li Q, Xiang X, Lu H, Hu Y, Liu L, Li T. Metabolomics and machine learning approaches for diagnostic and prognostic biomarkers screening in sepsis. BMC Anesthesiol. 2023;23(1): 1-13. doi: 10.1186/s12871-023-02317-4. DOI: https://doi.org/10.1186/s12871-023-02317-4
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
