As técnicas de aprendizado de máquina podem prever melhor o risco de sangramento para pacientes submetidos à intervenção coronária percutânea (ICP) do que os métodos tradicionais, relatório pesquisadores de Yale.

Este estudo foi publicado em Rede JAMA aberta .

A equipe de pesquisa analisou dados do Registro Nacional de Dados Cardiovasculares (NCDR) do American College of Cardiology (ACC) de 2009 a 2015 usando aprendizado de máquina, um ramo da inteligência artificial capaz de realizar tarefas inferindo padrões em dados. O banco de dados inclui mais de 3 milhões de procedimentos realizados em hospitais nos Estados Unidos. A equipe descobriu que a análise de aprendizado de máquina melhorou a previsão do risco de sangramento após a ICP (geralmente usada para abrir vasos sanguíneos estreitados pelo acúmulo de placa), que poderia informar melhor as decisões de pacientes e médicos.

"Estamos descobrindo que o aprendizado de máquina pode nos permitir melhorar nossa capacidade de prever riscos melhor do que nossas abordagens tradicionais, "disse o Dr. Harlan Krumholz, Cardiologista de Yale e diretor do Centro Hospitalar de Pesquisa e Avaliação de Resultados (CORE) de Yale New Haven. "Importante, a chave está em como as informações sobre os pacientes são processadas antes mesmo do início da análise. No futuro, essas técnicas nos permitirão personalizar as estimativas em uma extensão muito maior. "

A equipe incluiu médicos, cientistas clínicos, e cientistas de dados. Este estudo é um dos primeiros a empregar aprendizado de máquina para os registros massivos do ACC. O CORE é parceiro do ACC no Institute for Cardiovascular Computational Health e este projeto é um dos primeiros produtos dessa colaboração.