Ferramenta de IA analisa prontuários médicos para acompanhamento de TDAH

Os pesquisadores da Stanford Medicine construíram uma ferramenta de inteligência artificial que pode ler milhares de anotações médicas em registros médicos eletrônicos e detectar tendências, fornecendo informações que médicos e pesquisadores esperam que melhorem os cuidados.

Normalmente, os especialistas que buscam respostas para perguntas sobre cuidados precisam se debruçar sobre centenas de prontuários médicos. Mas uma nova investigação mostra que grandes modelos de linguagem – ferramentas de IA que conseguem encontrar padrões em linguagem escrita complexa – podem ser capazes de assumir este trabalho árduo e que as suas descobertas podem ter utilizações práticas. Por exemplo, as ferramentas de IA poderiam monitorizar os prontuários dos pacientes em busca de menções de interações perigosas entre medicamentos ou poderiam ajudar os médicos a identificar pacientes que responderão bem ou mal a tratamentos específicos.

A ferramenta de IA, descrita em um estudo publicado on-line em 19 de dezembro em Pediatriafoi projetado para descobrir, a partir de registros médicos, se crianças com transtorno de déficit de atenção e hiperatividade receberam cuidados de acompanhamento adequados após receberem novos medicamentos prescritos.

“Este modelo permite-nos identificar algumas lacunas na gestão do TDAH”, disse o principal autor do estudo, Yair Bannett, MD, professor assistente de pediatria.

A autora sênior do estudo é Heidi Feldman, MD, professora dotada de Ballinger-Swindells em Pediatria do Desenvolvimento e Comportamento.

A equipe de pesquisa usou os insights da ferramenta para identificar táticas que poderiam melhorar a forma como os médicos acompanham os pacientes com TDAH e suas famílias, observou Bannett, acrescentando que o poder de tais ferramentas de IA poderia ser aplicado a muitos aspectos dos cuidados médicos.

Um trabalho árduo para um humano, uma brisa para a IA

Os registros médicos eletrônicos contêm informações como resultados de laboratório ou medições de pressão arterial em um formato que é fácil para os computadores compararem entre muitos pacientes. Mas todo o resto – cerca de 80% das informações em qualquer prontuário médico – está nas anotações que os médicos escrevem sobre os cuidados do paciente.

Embora essas notas sejam úteis para o próximo ser humano que lê o prontuário de um paciente, suas frases de formato livre são difíceis de analisar em massa. Essas informações menos organizadas devem ser categorizadas antes de serem usadas para pesquisa, normalmente por uma pessoa que lê as notas em busca de detalhes específicos. O novo estudo analisou se os pesquisadores poderiam empregar inteligência artificial para essa tarefa.

O estudo utilizou prontuários de 1.201 crianças de 6 a 11 anos de idade, pacientes de 11 clínicas de atenção primária pediátrica da mesma rede de saúde e que tinham prescrição de pelo menos um medicamento para TDAH. Esses medicamentos podem ter efeitos colaterais perturbadores, como a supressão do apetite de uma criança, por isso é importante que os médicos perguntem sobre os efeitos colaterais quando os pacientes usam os medicamentos pela primeira vez e ajustem as dosagens conforme necessário.

A equipe treinou um grande modelo de linguagem existente para ler as anotações dos médicos, procurando se as crianças ou seus pais foram questionados sobre os efeitos colaterais nos primeiros três meses de uso de um novo medicamento. O modelo foi treinado em um conjunto de 501 notas revisadas pelos pesquisadores. Os pesquisadores contaram qualquer nota que mencionasse a presença ou ausência de efeitos colaterais (por exemplo, “redução do apetite” ou “sem perda de peso”) como indicação de que o acompanhamento havia acontecido, enquanto notas sem menção de efeitos colaterais foram contadas como o que significa que o acompanhamento não ocorreu.

Essas notas revisadas por humanos foram usadas como o que é conhecido na IA como “verdade básica” para o modelo: a equipe de pesquisa usou 411 das notas para ensinar ao modelo como era uma investigação sobre efeitos colaterais e as 90 notas restantes para verificar isso. o modelo poderia encontrar com precisão tais consultas. Eles então revisaram manualmente 363 notas adicionais e testaram novamente o desempenho do modelo, descobrindo que ele classificou corretamente cerca de 90% das notas.

Depois que o grande modelo de linguagem funcionou bem, os pesquisadores o usaram para avaliar rapidamente todas as 15.628 anotações nos prontuários dos pacientes, uma tarefa que teria levado mais de sete meses de trabalho em tempo integral sem IA.

Da análise ao melhor atendimento

A partir da análise da IA, os pesquisadores obtiveram informações que de outra forma não teriam detectado. Por exemplo, a IA constatou que alguns consultórios pediátricos perguntavam frequentemente sobre os efeitos secundários dos medicamentos durante conversas telefónicas com os pais dos pacientes, enquanto outros consultórios não o faziam.

“Isso é algo que você nunca seria capaz de detectar se não implantasse este modelo em 16 mil notas da maneira que fizemos, porque nenhum ser humano sentará e fará isso”, disse Bannett.

A IA também descobriu que os pediatras faziam perguntas de acompanhamento sobre certos medicamentos com menos frequência. Crianças com TDAH podem receber prescrição de estimulantes ou, menos comumente, medicamentos não estimulantes, como alguns tipos de ansiolíticos. Os médicos eram menos propensos a perguntar sobre esta última categoria de medicamentos.

A descoberta oferece um exemplo dos limites do que a IA pode fazer, disse Bannett. Ele poderia detectar um padrão nos registros dos pacientes, mas não explicar por que o padrão estava ali.

“Nós realmente tivemos que conversar com os pediatras para entender isso”, disse ele, observando que os pediatras lhe disseram que tinham mais experiência no manejo dos efeitos colaterais dos estimulantes.

A ferramenta de IA pode ter perdido algumas perguntas sobre os efeitos colaterais dos medicamentos em sua análise, disseram os pesquisadores, porque algumas conversas sobre os efeitos colaterais podem não ter sido registradas nos registros médicos eletrônicos dos pacientes, e alguns pacientes receberam cuidados especializados – como com um psiquiatra. —que não foi rastreado nos prontuários médicos utilizados neste estudo. A ferramenta de IA também classificou incorretamente algumas notas médicas sobre os efeitos colaterais de prescrições para outras condições, como medicamentos para acne.

Guiando a IA

À medida que os cientistas constroem mais ferramentas de IA para a investigação médica, precisam de considerar o que as ferramentas fazem bem e o que fazem mal, disse Bannett. Algumas tarefas, como a classificação de milhares de registros médicos, são ideais para uma ferramenta de IA devidamente treinada.

Outros, como a compreensão das armadilhas éticas do cenário médico, exigirão um pensamento humano cuidadoso, disse ele. Um editorial que Bannett e colegas publicaram recentemente em Pediatria Hospitalar explica alguns dos problemas potenciais e como eles podem ser resolvidos.

“Esses modelos de IA são treinados com base em dados de saúde existentes e sabemos, por meio de muitos estudos ao longo dos anos, que existem disparidades nos cuidados de saúde”, disse Bannett.

Os pesquisadores precisam pensar em como mitigar esses preconceitos, tanto ao construir ferramentas de IA quanto quando as colocam em funcionamento, disse ele, acrescentando que, com as devidas precauções, ele está entusiasmado com o potencial da IA ​​para ajudar os médicos a fazerem seu trabalho. melhorar.

“Cada paciente tem a sua própria experiência e o médico tem a sua base de conhecimento, mas com a IA posso colocar ao seu alcance o conhecimento de grandes populações”, disse ele.

Por exemplo, a IA pode eventualmente ajudar os médicos a prever, com base na idade, raça ou etnia, perfil genético e combinação de diagnósticos do paciente, se o indivíduo tem probabilidade de ter um efeito colateral ruim de um medicamento específico, disse ele. “Isso pode ajudar os médicos a tomar decisões personalizadas sobre o manejo médico.”