Publicidade
Economize: canal oficial do CT Ofertas no WhatsApp Entrar

IA consegue prever com 90% de precisão quem pode morrer com COVID-19

Por| 09 de Fevereiro de 2021 às 14h30

Link copiado!

Wirestock/Freepik
Wirestock/Freepik

Para entender os riscos do novo coronavírus (SARS-CoV-2) em cada paciente, diferentes grupos de pesquisa trabalham em modelos de previsão usando os históricos e dados de saúde pública desde o início da pandemia. Um dos objetivos dessa análise é entender os riscos de óbito em cada caso, além de buscar alternativas para reduzir fatores de risco para a COVID-19. 

Entre esses estudos, uma pesquisa da Universidade de Copenhagen, na Dinamarca, apontou que a Inteligência Artificial (IA) pode ajudar a prever com 90,2% de precisão se alguém morrerá em decorrência da COVID-19 (ou não). A previsão é válida antes mesmo do paciente de ser infectado pelo coronavírus, já que são avaliados alguns fatores de risco que não se alteram com a contaminação.

Recentemente publicada na revista científica Nature, a pesquisa também conseguiu prever —  com menos precisão —  quantas pessoas devem ser hospitalizadas e quantas podem precisar de respiradores. Entender esses riscos pode, inclusive, aliviar as pressões sobre os sistemas de saúde.

Continua após a publicidade

IA avalia os riscos da COVID-19

“Começamos a trabalhar nos modelos para auxiliar os hospitais, já que durante a primeira onda [da COVID-19], eles temiam não ter respiradores suficientes para pacientes de unidades de terapia intensiva [UTIs]”, explicou o professor Mads Nielsen, especialista em ciência da computação da Universidade de Copenhagen. Além disso, "nossas descobertas também podem ser usadas para identificar cuidadosamente quem precisa de uma vacina”, comentou.

Para entender os riscos individuais em relação ao coronavírus, o modelo de aprendizado de máquina (ML) foi baseado em dados de saúde de mais de 3,9 mil pacientes dinamarqueses com diagnóstico confirmado para a COVID-19, armazenados em um banco de dados do Reino Unido. Entre as informações analisadas, estavam doenças e comorbidades pré-existentes de cada paciente. Além disso, foram contabilizados: idade; sexo; e índice de massa corporal (IMC). Dessa forma, foi possível prever internações hospitalares e até o número de óbitos.

Quem mais sofre com o coronavírus?

Continua após a publicidade

“Nossos resultados demonstram, sem surpresa, que a idade e o IMC são os parâmetros mais decisivos para o quão severamente uma pessoa será afetada pela COVID-19. Mas a probabilidade de falecer ou precisar de um respirador também aumenta se você for homem, tiver pressão alta ou uma doença neurológica”, explica o professor Nielsen sobre os resultados do estudo.

“Para aqueles afetados por um ou mais desses parâmetros, descobrimos que pode fazer sentido adiantá-los na fila de vacinas, para evitar qualquer risco de se infectarem e precisarem de um respirador”, aponta o pesquisador sobre a possibilidade de se rever os parâmetros de vacinação para atender, realmente, aqueles pacientes prioritários.

No entanto, vale ressaltar que o estudo tem algumas limitações. Por exemplo, foi incluído um número limitado de pacientes analisados pela IA. Nesse sentido, uma amostra maior poderia ter produzido resultados diferentes. Mesmo com esses limites, o modelo ainda pode ser usado para ajudar e identificar os pacientes que estão em maior risco e pode servir como uma ferramenta potencial em ambientes clínicos no futuro.  

Continua após a publicidade

“Estamos trabalhando com a meta de poder prever a necessidade de respiradores com cinco dias de antecedência, dando ao computador acesso aos dados de saúde de todos os casos da COVID-19 positivos na região”, aponta Nielsen. “O computador nunca será capaz de substituir a avaliação de um médico, mas pode ajudar médicos e hospitais a ver muitos pacientes infectados com a COVID-19 de uma vez e definir prioridades contínuas”, completa o cientista sobre as possibilidades da ferramenta, quando aperfeiçoada.

Para acessar o estudo completo, publicado na revista Nature, clique aqui.

Fonte: IFL Science