Nos Estados Unidos, cada hospital possui suas próprias particularidades. Variáveis como equipamentos disponíveis, equipes médicas, recursos técnicos e características populacionais criam cenários distintos. Embora existam perfis gerais para tratar a covid-19 em condições ‘comuns’, é essencial considerar as diferenças específicas tanto nos pacientes quanto nas dinâmicas das instituições de saúde.
Pesquisadores apontam que a inteligência artificial pode transformar o atendimento hospitalar ao analisar dados de diferentes instituições. Com isso, é possível identificar necessidades específicas, como os departamentos e equipes essenciais para garantir cuidados eficazes.
Estudo revela como a IA personaliza o atendimento a pacientes com covid longa
Um trabalho da Perelman School of Medicine, da Universidade da Pensilvânia, publicado na Cell Patterns, analisou prontuários eletrônicos de pacientes com covid longa. A pesquisa revelou quatro subgrupos principais, incluindo pessoas com asma ou condições de saúde mental, e detalhou as demandas específicas de cada grupo.
“Estudos anteriores geralmente agrupam dados sem considerar diferenças populacionais, o que limita a aplicação prática dos resultados,” afirmou Yong Chen, Ph.D., professor de Bioestatística e líder do estudo. Segundo ele, o trabalho oferece um equilíbrio entre conhecimento geral e precisão personalizada para cada hospital.
Os grupos incluem pacientes com saúde mental fragilizada, como ansiedade, depressão e TDAH; aqueles com condições alérgicas ou atópicas, como asma e alergias; indivíduos com doenças crônicas não complexas, como insônia e problemas de visão; e, por fim, pessoas com condições crônicas complexas, como distúrbios cardíacos e neuromusculares.
Esses perfis permitem uma compreensão mais detalhada das necessidades específicas de cada grupo, favorecendo abordagens mais personalizadas no atendimento.
Método auxilia o atendimento hospitalar ao personalizar cuidados para covid longa
A técnica chamada latent transfer learning, algo como “aprendizado transferido latente”, ajudou a entender melhor as necessidades de pacientes com covid longa. Basicamente, ela analisou dados de diferentes pacientes para criar grupos detalhados, mostrando quais recursos hospitalares são mais importantes para cada tipo de caso.
Sem essa segmentação, muitos hospitais teriam adotado modelos genéricos de cuidado, insuficientes para atender subgrupos de alto risco, como pacientes com condições crônicas complexas. O modelo mostrou que esses grupos registraram os maiores aumentos em internações e atendimentos emergenciais, destacando a importância de estratégias personalizadas.
Além da COVID-19, o sistema tem potencial para melhorar o manejo de condições crônicas comuns, como diabetes e asma, que variam entre hospitais devido a diferenças regionais e populacionais. Com uma infraestrutura simples de compartilhamento de dados, até hospitais sem aprendizado de máquina podem se beneficiar, ampliando o impacto das descobertas.
O projeto demonstra potencial para transformar o atendimento hospitalar, indo além de crises imediatas para auxiliar na gestão de condições crônicas comuns. Com uma estrutura acessível de compartilhamento de dados, ele pode beneficiar uma ampla rede de instituições, promovendo um cuidado mais eficiente, direcionado e alinhado às necessidades de cada paciente com covid.
Descubra mais sobre MenezesVirtualEye
Assine para receber nossas notícias mais recentes por e-mail.
