Desenvolvimento de modelos preditores de resposta clínica em doentes com dor crônica com técnicas de inteligência artificial

• Ano de defesa: 2023
• Autor(a) principal: Moreira, Larissa Iulle
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Artificial intelligence; Chronic pain; Controle da dor; Dor crônica; Inteligência artificial; Machine learning; Pain control; Tratamento; Treatment
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/5/5138/tde-04082023-142705/

Introdução: A dor é o sintoma mais prevalente no ser humano, está entre as três principais causas globais de anos vividos com incapacidade. O tratamento inadequado da dor é grave problema de saúde pública. O uso de abordagens de inteligência artificial (IA) nas áreas da saúde possibilita melhora da prevenção, detecção, diagnóstico, tratamento das doenças e utilização de recursos de saúde e pode transformar os modelos de prestação de cuidados à saúde. Objetivo: se os modelos de aprendizado de máquina são capazes de predizer melhora significativa ou não em doentes com dor com base nas informações da primeira consulta. Método: Foram analisados dados de 506 doentes atendidos no Ambulatório do Centro de Dor da Clínica Neurológica do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo, coletados por uma interface sistematizada e padronizada de avaliação no período de 1 ano. Os desfechos foram a melhora de dor com base na escala verbal analógica (EVA) e impressão global de mudança pela versão do médico e do doente (IGM). A análise descritiva foi realizada por estatística simples. Uma abordagem de aprendizado de máquina (AM) supervisionada foi realizada a partir de um algoritmo desenvolvido e um total de 338 atributos relacionados a dor foram incluídos no estudo. O algoritmo foi treinado a partir de algoritmos de Random Forest e XGBoost disponíveis. O desempenho foi avaliado pela métrica da Área Sobre a Curva (AUC ROC) e os fatores explicativos apresentados como gráficos de resumo SHAP. Resultados: Os resultados fornecem evidência de que o AM tem potencial de auxiliar no manejo da dor e a tomada de decisões clínicas. Os modelos gerados originaram um questionário com 12 questões com as melhores variáveis. Conclusão: Os resultados deste estudo sugerem que o uso de IA tem efeito positivo no gerenciamento do doente com dor e são necessários mais estudos com abordagens de IA nos doentes com dor crônica