Investigadores da Faculdade de Medicina da Universidade de Lisboa (FMUL) e da Unidade Local de Saúde de Santa Maria (ULSSM) usam modelos de Inteligência Artificial (IA) para prever que doentes submetidos a cirurgia cardíaca vão ter internamento prolongado na Unidade de Cuidados Intensivos (UCI).
A duração do internamento na UCI é um dos principais indicadores da recuperação pós-operatória. Um internamento prolongado resulta frequentemente da ocorrência de complicações pós-operatórias, associando-se a maior mortalidade e utilização de recursos hospitalares. Prever antecipadamente quais os doentes que vão ter um internamento prolongado na UCI continua a ser um desafio para os modelos estatísticos convencionais.
Neste estudo, os investigadores utilizaram abordagens de machine learning supervisionada, para desenvolver e validar um modelo capaz de prever quais os doentes que terão um internamento curto (até dois dias) ou prolongado (mais de dois dias) na UCI.
Entre as variáveis mais importantes destacam-se os scores de disfunção de órgão e de necessidade de fármacos vasopressores (que mantêm a tensão arterial) às 24h, os níveis pré-operatórios de NT-proBNP (um marcador de insuficiência cardíaca) e creatinina (marcador de função renal), e o tempo de circulação extracorporal durante a cirurgia.
Para facilitar a aplicação deste modelo, os investigadores desenvolveram uma calculadora interativa (que se encontra disponível online (https://tivlsw-rafael-pereira.shinyapps.io/ICU_Stay_Predictor/) e que permite aos profissionais de saúde obter, com base nos dados das primeiras 24h, uma estimativa da probabilidade de um doente necessitar de um internamento prolongado na UCI.
Este estudo realça a aplicabilidade clínica de modelos de Inteligência Artificial na análise de bases de dados que refletem a complexidade e heterogeneidade habitual da prática clínica real. Mostram ainda como a IA pode ser uma ferramenta útil para apoiar a decisão clínica, melhorar o planeamento de recursos e promover cuidados mais personalizados.
Apesar deste contributo valioso para melhorar o planeamento de recursos, são necessários mais estudos, antes da sua implementação na prática clínica.
Destaca-se que o trabalho desenvolvido por estas duas equipas, foi publicado na revista científica internacional oficial da Associação Americana de Cirurgia Torácica, The Journal of Thoracic and Cardiovascular Surgery.
Referências
Pereira, R. M., Luís, F., Abecasis, M., Nobre, Â., Moita, L. F., & Velho, T. R. (2025). Artificial intelligence-based prediction of cardiothoracic intensive care unit length of stay: A comparative machine learning approach. The Journal of thoracic and cardiovascular surgery, S0022-5223(25)01041-4. Advance online publication. https://doi.org/10.1016/j.jtcvs.2025.11.020
Consulte o estudo neste link: https://www.jtcvs.org/article/S0022-5223(25)01041-4/fulltext
