Estudo mostra potencial para usar ferramentas de IA para detectar infecções associadas a cuidados de saúde

Um novo estudo de prova de conceito publicado no Jornal Americano de Controle de Infecções relata que as tecnologias de inteligência artificial (IA) podem identificar com precisão casos de infecções associadas aos cuidados de saúde (IRAS), mesmo em cenários clínicos complexos. O estudo, que destaca a necessidade de uma linguagem clara e consistente ao utilizar ferramentas de IA para este fim, ilustra o potencial de incorporação da tecnologia de IA como um componente rentável de programas de vigilância de infecções de rotina.

De acordo com a mais recente Pesquisa de Prevalência Hospitalar de IRAS realizada pelos Centros de Controle e Prevenção de Doenças, ocorreram aproximadamente 687.000 IRAS em hospitais de cuidados intensivos nos EUA e 72.000 mortes relacionadas a IRAS entre pacientes hospitalares em 2015. Cerca de 3% de todos os pacientes hospitalares ter pelo menos uma IRAS em um determinado momento.

A implementação de programas de vigilância de infecções e outros protocolos de prevenção de infecções reduziu a incidência de IACS, mas estas continuam a ser um risco, especialmente para pacientes gravemente enfermos hospitalizados com dispositivos inseridos, como cateteres centrais, cateteres ou tubos respiratórios.

Muitos hospitais e outras unidades de saúde têm programas de vigilância de IACS para monitorizar o aumento do risco de infecção, mas a sua manutenção exige extensos recursos, formação e experiência. Em locais com recursos limitados, uma alternativa económica poderia ajudar a melhorar os programas de vigilância e permitir uma melhor protecção dos pacientes de alto risco.

Neste novo estudo, pesquisadores da Universidade de Saint Louis e da Faculdade de Medicina da Universidade de Louisville avaliaram o desempenho de duas ferramentas alimentadas por IA para a identificação precisa de IACS. Uma ferramenta foi construída usando ChatGPT Plus da OpenAI e a outra foi desenvolvida usando um grande modelo de linguagem de código aberto conhecido como Mixtral 8x7B.

As ferramentas foram testadas em dois tipos de IACS: infecção da corrente sanguínea associada ao cateter central (CLABSI) e infecção do trato urinário associada ao cateter (CAUTI). Descrições de seis cenários fictícios de pacientes com vários níveis de complexidade foram apresentadas às ferramentas de IA, que foram então questionadas se as descrições representavam uma CLABSI ou uma CAUTI. As descrições incluíam informações como idade do paciente, sintomas, data de admissão e datas em que foram inseridos e removidos cateteres centrais ou cateteres. As respostas da IA ​​foram comparadas com respostas de especialistas para determinar a precisão.

Para todos os seis casos, ambas as ferramentas de IA identificaram com precisão a IACS quando receberam instruções claras. É importante ressaltar que os pesquisadores descobriram que informações ausentes ou ambíguas nas descrições poderiam impedir que as ferramentas de IA produzissem resultados precisos. Por exemplo, uma descrição não incluía a data em que o cateter foi inserido; sem esse detalhe, a ferramenta de IA não poderia dar uma resposta correta. Abreviaturas, falta de especificidade, utilização de caracteres especiais e datas comunicadas em formato numérico em vez de com o mês escrito levaram a respostas inconsistentes.

“Nossos resultados são os primeiros a demonstrar o poder da vigilância de IACS assistida por IA no ambiente de saúde, mas também ressaltam a necessidade de supervisão humana desta tecnologia”, disse Timothy L. Wiemken, Ph.D., MPH, um professor associado da divisão de doenças infecciosas, alergia e imunologia da Saint Louis University e autor principal do artigo. “Com a rápida evolução do papel da IA ​​na medicina, o nosso estudo de prova de conceito valida a necessidade de desenvolvimento contínuo de ferramentas de IA com dados reais de pacientes para apoiar os prevencionistas de infecções”.

Detalhes adicionais sobre o estudo incluem:

• Ambas as ferramentas de IA foram usadas com geração aumentada de recuperação, uma abordagem que melhora a qualidade da solicitação por meio de um repositório de conhecimento que fornece contexto adicional à ferramenta de IA. Neste caso, o repositório incluía material da Rede Nacional de Segurança em Cuidados de Saúde do CDC, um sistema de rastreamento para IACS.
• A ferramenta ChatGPT Plus desenvolvida para este estudo, HAI Assist, está disponível na OpenAI GPT Store para quem possui assinatura do ChatGPT Plus.

“A vigilância de HAI é uma responsabilidade crítica para os prevencionistas de infecções, e nossa comunidade precisa de todas as ferramentas possíveis para nos ajudar a garantir a segurança de nossos pacientes”, disse Tania Bubb, Ph.D., RN, CIC, FAPIC, presidente da APIC em 2024. “Este estudo sugere que as ferramentas alimentadas por IA podem oferecer um meio rentável de melhorar os nossos programas de vigilância, auxiliando os prevencionistas de infecções nas funções de trabalho do dia-a-dia”.

Fornecido pela Associação de Profissionais em Controle de Infecções