Deterioração Clínica em Unidades de Terapia Intensiva: uma Abordagem de Predição de Situação dos Pacientes Baseada em Inteligência Computacional

• Ano de defesa: 2024
• Autor(a) principal: Souza, Alexandre Renato Rodrigues de
• Orientador(a): Yamin, Adenauer Corrêa
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• País: Brasil
• Palavras-chave em Português: Deterioração clínica; Mortalidade; UTI; Alerta precoce; EWS; Sinais vitais; Aprendizado de máquina; Lógica fuzzy; Clinic deterioration; Mortality; ICU; Early warning; Vital signs; Machine learning; Fuzzy logic
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/13588

Os pacientes nas Unidades de Terapia Intensiva (UTIs) hospitalares necessitam de acompanhamento constante de seus parâmetros fisiológicos devido à gravidade de sua condição de saúde, aliada à possibilidade de um rápido agravamento. Con siderando esta motivação, esta Tese tem como objetivo central a concepção de uma abordagem para predição da deterioração clínica de pacientes em UTIs denominada I2Care. Assim, a pesquisa desenvolvida foca na perspectiva do equilíbrio entre o de sempenho de classificação obtido por meio de modelos de Aprendizado de Máquina com a interpretabilidade oferecida pelas regras Fuzzy. Com o propósito de empregar dados de pacientes reais na avaliação do trabalho, foi selecionado o MIMIC-III enquanto base de dados, considerando seu amplo reconhecimento pela comunidade da área. Dentre os modelos preditivos baseados em Aprendizado de Máquina, o melhor desempenho foi alcançado pelo I2Care-ML, que explora o algoritmo Gradient Boosting Machine, atingindo 0,8846 de AUC com o uso de dez variáveis. Por sua vez, dentre os modelos preditivos fundamentados em Lógica Fuzzy, o I2Care-DS obteve o melhor desempenho. Utilizando apenas cinco variáveis clínicas, alcançou um desempenho significativo, atingindo uma AUC de 0,8651. Esse resultado evidencia não apenas um melhor desempenho de predição para a abordagem concebida, mas também caracteriza seu destaque em relação aos estudos encontrados na literatura que fazem uso da Lógica Fuzzy. Além disso, a abordagem I2Care obteve um desem penho preditivo superior em comparação com o SAPS-II, um escore clínico de amplo emprego em hospitais. Esses resultados sugerem que a I2Care não apenas supera outros métodos na literatura em termos de desempenho preditivo, mas também se destaca pela redução no uso de variáveis preditoras e a possibilidade de inferir o grau de deterioração clínica dos pacientes. Estas propriedades da abordagem concebida podem ter implicações práticas bastante significativas em termos de redução da coleta de dados, menores custos para uma implementação, bem como uma melhor interpretabilidade clínica da situação dos pacientes.