Novo estudo indica que ferramenta de inteligência artificial superou atendentes humanos no reconhecimento de casos de acidente vascular cerebral (AVC) em chamadas para serviços de emergência.
O modelo identificou corretamente mais pacientes com quadros de AVC do que os atendentes humanos, e teve um valor preditivo positivo (proporção de casos positivos previstos que realmente são positivos) mais alto.
“O modelo foi superior nos dois parâmetros: sinalizou menos pacientes com suspeita de AVC, mas identificou corretamente mais pacientes que estavam realmente tendo um AVC, em comparaçã com o atendente humano”, disse ao Medscape o coautor do estudo, Dr. Jonathan Wenstrup, médico do Copenhagen University Hospital–Herlev e Gentofte & Copenhagen Emergency Medical Services na Dinamarca.
Dr. Jonathan apresentou o estudo em 24 de maio na European Stroke Organisation Conference (ESOC) 2023, na Alemanha.
Para o estudo, os pesquisadores vincularam o registro dinamarquês de AVC (que contém informações sobre todos os pacientes que deram entrada em algum hospital por AVC, incluindo a hora do início dos sintomas) com o registro de chamadas de emergência, que contém gravações de todas as ligações para a linha de atendimento médico nos serviços de emergência de Copenhague. As ligações foram categorizadas como feitas por pacientes que posteriormente tiveram um AVC e por pacientes que não tiveram um AVC.
O modelo de inteligência artificial foi treinado para transcrever as gravações de áudio das chamadas de emergência e identificar diferenças entre as chamadas de pacientes com AVC e sem AVC. O treino utilizou dados de 1,5 milhão de ligações para serviços de emergência entre 2015 e 2020, das quais 7.370 eram casos reais de AVC. Em seguida, o modelo foi testado com dados de 344.000 chamadas recebidas em 2021, das quais 750 eram casos de AVC.
Os resultados mostram que o modelo de inteligência artificial identificou corretamente 63% casos de AVC, um resultado melhor do que o obtido pelos atendentes humanos de chamadas de emergência, que reconheceram apenas 52,7% dos casos.
O valor preditivo do modelo também foi melhor do que o do atendente humano (24,9% versus 17,1%).
A combinação das duas medidas forneceu uma pontuação F1 global (uma medida geral da precisão de um teste) de 35,7 para o modelo inteligência artificial em comparação a 25,8 para os atendentes humanos.
“O modelo de inteligência artificial reconheceu melhor o AVC e teve um menor índice de falso-positivos do que o dos atendentes dos serviços de emergência humanos”, comentou o Dr. Jonathan.
Ele explicou que o AVC era um quadro difícil de identificar nas ligações para os serviços de emergência. “Muitos casos não são detectados nesta fase, levando a atrasos no tratamento que podem ter consequências potencialmente fatais para os pacientes.”
Uma limitação deste estudo é que ele teve um desenho retrospectivo. O modelo ainda não foi estudado no contexto real. “Precisamos fazer um estudo para avaliar como ele funciona quando implementado na vida real”, disse o Dr. Jonathan.
O pesquisador acredita que a ferramenta de inteligência artificial possa se tornar um recurso para ajudar os atendentes de serviços de emergência a reconhecer pacientes que estão tendo um AVC.
“Enquanto os atendentes estiverem conversando com os mais diversos tipos de pessoas que ligam, o modelo pode ser executado em segundo plano e emitir um aviso de que determinado paciente tem alta probabilidade de ter um AVC e deve ser priorizado para atendimento de urgência.”
Ele acrescentou: “Se o modelo tiver um desempenho semelhante na vida real, poderá melhorar o reconhecimento do AVC pelos atendentes de chamadas de emergência, permitindo que mais pacientes com AVC recebam o tratamento rápido e avançado que melhora os resultados”.
O Dr. Jonathan observou que outras melhorias no modelo poderiam expandir suas capacidades.
“No futuro, pode ser possível treinar a estrutura usando diretamente o áudio da chamada, ignorando a etapa de transcrição, bem como incorporar áudio sem palavras – como uma voz arrastada – nos dados de treinamento. No entanto, com os resultados promissores deste estudo, já está claro que tecnologias como esta têm a capacidade de transformar completamente o diagnóstico e o tratamento do AVC”, afirmou.
O estudo foi financiado pela Trygfonden (uma fundação sem fins lucrativos na Dinamarca), pela University of Copenhagen, pelo Copenhagen University Hospital–Herlev e pelo Gentofte and Innovation Fund Denmark. O Dr. Jonathan Wenstrup informou não ter conflitos de interesses. Outros coautores do estudo são pesquisadores da Corti, empresa privada que criou a Machine Learning Framework.
European Stroke Organisation Conference (ESOC) 2023. Apresentado em 24 de maio de 2023.
Este conteúdo foi originalmente publicado no Medscape
Siga o Medscape em português no Facebook, no Twitter e no YouTube
Créditos: Imagem principal: iStock/Getty Images
Medscape Notícias Médicas © 2023 WebMD, LLC
Citar este artigo: Menos alarme falso e mais precisão: IA supera humanos na identificação de casos de AVC - Medscape - 6 de junho de 2023.
Comente