Durante a cirurgia, Os anestesiologistas monitoram e gerenciam os pacientes para garantir que estejam seguros e respirando bem. Mas esses médicos nem sempre podem prever quando as complicações surgirão.

Agora, pesquisadores da Universidade de Washington desenvolveram um novo sistema de aprendizado de máquina, chamado Prescience, que usa dados de prontuários de pacientes e sensores padrão da sala de cirurgia para prever a probabilidade de um paciente desenvolver hipoxemia - uma condição em que os níveis de oxigênio no sangue caem ligeiramente abaixo do normal. A hipoxemia pode levar a consequências graves, como infecções e comportamento cardíaco anormal.

Prescience também fornece explicações do mundo real por trás de suas previsões. Com esta informação, Os anestesiologistas podem entender melhor por que um paciente está sob risco de hipoxemia e preveni-la antes que aconteça. O time, que publicará suas descobertas em 10 de outubro em Nature Biomedical Engineering , estima que o Prescience poderia melhorar a capacidade dos anestesiologistas de prever e prevenir 2,4 milhões de casos de hipoxemia a mais nos Estados Unidos a cada ano.

"Os métodos modernos de aprendizado de máquina muitas vezes apenas geram um resultado de previsão. Eles não explicam quais características do paciente contribuíram para essa previsão, "disse Su-In Lee, professor associado da Escola Paul G. Allen de Ciência e Engenharia da Computação da UW e autor sênior do artigo. "Nosso novo método abre essa caixa preta e realmente nos permite entender por que dois pacientes diferentes podem desenvolver hipoxemia. Esse é o poder."

Lee e Scott Lundberg, um estudante de doutorado na Escola Allen, iniciou o projeto reunindo-se com colaboradores da UW Medicine para saber o que precisavam na sala de cirurgia.

“Uma das coisas que os anestesiologistas disseram foi:'Não estamos realmente satisfeitos apenas com uma previsão. Queremos saber por quê, - disse Lee. - Então isso nos fez pensar.

Lee e Lundberg decidiram criar um sistema de aprendizado de máquina que pudesse tanto fazer previsões quanto explicá-las. Primeiro, eles adquiriram um conjunto de dados de 50, 000 cirurgias reais dos centros médicos da Universidade de Washington e Harborview em Seattle. Esses dados incluem informações sobre a ingestão do paciente, como idade e peso, bem como em tempo real, informações minuto a minuto - frequência cardíaca, níveis de oxigênio no sangue e muito mais - durante as cirurgias. Os cientistas usaram todos esses dados para ensinar a Presciência a fazer previsões.

A equipe queria que a Prescience resolvesse dois tipos diferentes de problemas. A pré-ciência precisava examinar as informações pré-operatórias e prever se um determinado paciente teria hipoxemia durante a anestesia. Prescience também teve que prever a hipoxemia em qualquer ponto durante a cirurgia, olhando as informações em tempo real. Finalmente, Lee e Lundberg desenvolveram uma nova abordagem para treinar a Presciência para gerar explicações compreensíveis por trás de suas previsões.

Para os dados pré-operatórios, Prescience descobriu que o índice de massa corporal era uma característica importante que contribuía para a previsão de que um paciente apresentaria hipoxemia durante a cirurgia. Mas durante a cirurgia, os próprios níveis de oxigênio no sangue contribuíram mais para uma previsão.

Com essas informações em mente, era hora de colocar a Presciência à prova.

Lee e Lundberg criaram uma interface da web que conduzia anestesiologistas por meio de casos de pré-cirurgia e em tempo real de cirurgias no conjunto de dados que não eram usados ​​para treinar Prescience. Para o teste em tempo real, os pesquisadores escolheram especificamente casos que seriam difíceis de prever, como quando o nível de oxigênio no sangue de um paciente fica estável por 10 minutos e depois cai.

"Queríamos saber se isso seria informativo para os anestesiologistas, "disse Lundberg, quem é o primeiro autor do artigo. "Então, para alguns de seus casos, eles obtiveram uma barra de informações adicionais de Prescience. "

Prescience melhorou a capacidade dos médicos de prever corretamente o risco de hipoxemia de um paciente em 16% antes da cirurgia e em 12% em tempo real durante a cirurgia. Geral, com a ajuda de Prescience, os anestesiologistas foram capazes de distinguir corretamente entre os dois cenários quase 80 por cento do tempo, tanto antes quanto durante a cirurgia.

"Esta pesquisa nos permitirá antecipar melhor as complicações e direcionar nosso tratamento para cada paciente, "disse a co-autora Dra. Monica Vavilala, professor de anestesiologia e analgésicos na UW School of Medicine e diretor do Harborview Injury Prevention &Research Center. "Se soubermos que há um aspecto que está causando o problema, então podemos abordar isso primeiro e mais rapidamente. Isso pode realmente mudar a maneira como praticamos, então isso é realmente um grande negócio. "

A pré-ciência ainda não está pronta para ser operada. Lee e Lundberg planejam continuar trabalhando com anestesiologistas para melhorar a Prescience e dar a ela uma interface intuitiva e útil. Além disso, a equipe espera que as versões posteriores do Prescience sejam capazes de prever outras condições prejudiciais, como pressão arterial baixa, e recomendar planos de tratamento.

Independentemente do futuro da Prescience, um ponto é claro:essa tecnologia visa ajudar os anestesiologistas a cuidar melhor de seus pacientes, Lundberg disse.

"Prescience não trata ninguém, "disse ele." Em vez disso, diz por que está preocupado, o que permite ao médico tomar melhores decisões sobre o tratamento. "