Interface homem-máquina orientada por IA para detecção precoce e diferenciação de sepse, SIRS e choque séptico com avaliação de gravidade em analisadores hematológicos.

► Clique aqui para baixar o pôster original (PDF)

Sukesh C Nair ¹, Françoise Durrieu ², Shubham Rastogi ³.
¹ Faculdade de Medicina Cristã, Vellore, Índia. ² Instituto Bergonie, Bordéus, França. ³ HORIBA ABX SAS, Montpellier, França.

Introdução

A sepse continua sendo um grande desafio internacional para os sistemas de saúde, com incidência crescente devido à baixa conscientização pública, atraso na detecção precoce e no tratamento subsequente. Na sepse, a mortalidade aumenta a cada hora sem tratamento. A complexidade da definição de sepse, bem como a falta de um biomarcador confiável, dificultam a detecção precoce da sepse em ambientes de saúde, como o pronto-socorro. A moderna série HORIBA Yumizen H (Yumizen H2500/ Yumizen H1500), aprimorada por inteligência artificial a partir de dados multicêntricos, tem o potencial de fornecer um sistema de sinalização/pontuação preditiva precoce, que pode ser economicamente eficiente para apoiar rapidamente o diagnóstico da evolução da sepse e o tratamento subsequente desde os centros de atenção primária à saúde.

Métodos

Demonstrar a capacidade da IA/ML (Inteligência Artificial/Aprendizado de Máquina) para identificar pacientes com sepse e avaliar o desempenho de um indicador/pontuação de suspeita de sepse para refletir o risco e/ou a gravidade da sepse em analisadores hematológicos HORIBA Yumizen H Range. Pré-processamento dos dados e preparação do modelo para identificar pacientes com sepse na coorte e avaliar seu desempenho. Atribuição de um indicador/pontuação de suspeita de sepse para refletir o risco e/ou a gravidade da sepse. Dados retrospectivos obtidos dos analisadores hematológicos (n=687), de pacientes com sepse, SIRS (Síndrome da Resposta Inflamatória Sistêmica) ou choque séptico (Tabela 1) e controles dos centros participantes, Christian Medical College, Vellore, Tamil Nadu, Índia e Bergonie Institute, Bordeaux, França, entre 2018 e 2023, foram submetidos à modelagem por IA/ML.

Tabela 1: Conjunto de dados de amostra para sepse e outras patologias

Resultados

A gravidade e o risco de sepse são determinados usando uma abordagem de probabilidade baseada na densidade. A cada ponto de dados do teste é atribuída uma pontuação de gravidade, sendo que pontuações acima de um limite definido pelo usuário são classificadas como sépticas (Fig. 1 e 2).

Figuras 1 e 2: Classificação da gravidade da sepse determinada pela probabilidade baseada na densidade

Notavelmente, limiares mais baixos resultam em maior sensibilidade, mas menor especificidade. Nosso modelo demonstrou a capacidade de prever e classificar pacientes com sepse, SIRS e choque séptico com uma impressionante sensibilidade de 91% e especificidade de 86% (AUC = 0,89), conforme apresentado na Tabela 2. O desempenho do modelo atual é baseado exclusivamente em parâmetros hematológicos do hemograma completo, superando também o sistema de referência AL/ML-Sepsis Immunoscore, autorizado pelo FDA (Tabela 3). Além disso, a capacidade do modelo de diferenciar entre sepse, SIRS e choque séptico será discutida em detalhes.

Tabela 2: Desempenho do modelo de IA-ML a partir de dados de amostras de hemograma completo (CBC) realizados no analisador hematológico HORIBA Yumizen H2500 e Yumizen H1500 para diferenciação de sepse versus amostras normais e não sépticas.

Tabela 3: Desempenho do modelo atual versus IA/ML autorizada pela FDA - Imunoescore de Sepse

Conclusão

Análises de modelagem baseadas em IA e aprendizado de máquina, utilizando apenas dados de hemograma completo, têm demonstrado potencial para revolucionar a detecção, o diagnóstico e o tratamento da sepse em estágios muito iniciais em unidades de terapia intensiva. Algoritmos de IA em analisadores hematológicos podem auxiliar na identificação de pacientes com alto risco de desenvolver sepse, desde centros de atenção primária à saúde e consultórios médicos, permitindo intervenções precoces e prevenindo a progressão do quadro.

PDF

1,58 MB