O USO DA INTELIGÊNCIA ARTIFICIAL NO MANEJO DA SEPSE
uma revisão da literatura
DOI:
https://doi.org/10.36557/pbpc.v3i1.29Palavras-chave:
Sepse, Inteligência artificial, Sistemas de Apoio a Decisões ClínicasResumo
Introdução: A sepse é caracterizada como uma disfunção orgânica potencialmente fatal, resultante da resposta desregulada do organismo a uma infecção. Sua detecção precoce contibui para desfechos favoráveis aos pacientes. A inteligência artificial é um sistema que emula a inteligência humana, podendo auxiliar no manejo dessa afecção. Objetivo: analisar o uso da inteligência artificial no manejo da sepse. Metodologia: trata-se de uma revisão narrativa da literatura, operacionalizada por meio dos Descritores em Ciências da Saúde: “Inteligência Artificial” e “Sepse”, conectados pelo operador booleano “AND”. Resultados e discussão: após a aplicação dos critérios de inclusão e exclusão, 12 artigos foram selecionados para compor este estudo. Observou-se que o manejo da sepse está relacionado a análise contínua de dados fisiológicos dos pacientes, como sinais vitais, traduzindo-se em algoritmos que conseguem identificar padrões e características sutis nos dados, permitindo a detecção precoce de sepse antes mesmo que os resultados laboratoriais estejam disponíveis. Além disso, tal manejo está relacionado ao decréscimo da mortalidade. Conclusão: a presente revisão da literatura elucidou que o uso da inteligência artificial no manejo da sepse destaca-se como uma abordagem inovadora e eficaz.
Downloads
Referências
ILAS. Instituto Latino Americano de Sepse. Sepse 3.0. São Paulo: ILAS, 2022. Disponível em: https://ilas.org.br/sepse-3-0/. Acesso em: 23 maio 2024.
LIU, Yan-Cun et al. Frequency and mortality of sepsis and septic shock in China: a systematic review and meta-analysis. Bmc Infectious Diseases, Washington, v. 22, n. 1, p. 1-12, 21 jun. 2022. Http://dx.doi.org/10.1186/s12879-022-07543-8.
LIN, Tianlai et al. A dosing strategy model of deep deterministic policy gradient algorithm for sepsis patients. Bmc Medical Informatics And Decision Making, Berlim, v. 23, n. 1, p. 1-12, maio 2023. Http://dx.doi.org/10.1186/s12911-023-02175-7.
LEMAńSKA-PEREK, Anna et al. Explainable Artificial Intelligence Helps in Understanding the Effect of Fibronectin on Survival of Sepsis. Cells, Basel, v. 11, n. 15, p. 2433, ago. 2022. Http://dx.doi.org/10.3390/cells11152433.
FUCHS, Antonio. Sepse: a maior causa de morte nas UTIs. Fundação Oswaldo Cruz, 2021. Disponível em: <https://portal.fiocruz.br/noticia/sepse-maior-causa-de-morte-nas-utis>. Acesso em: 23 maio 2024.
GRITTE, Raquel Bragante et al. Why Septic Patients Remain Sick After Hospital Discharge? Frontiers In Immunology, Hopkings, v. 111, n. 2, p. 1-8, 15 fev. 2021. Http://dx.doi.org/10.3389/fimmu.2020.605666.
MOLLURA, Maximiliano et al. A novel artificial intelligence based intensive care unit monitoring system: using physiological waveforms to identify sepsis. Philosophical Transactions Of The Royal Society A: Mathematical, Physical and Engineering Sciences, Londres, v. 379, n. 2212, p. 1-19, out. 2021. Http://dx.doi.org/10.1098/rsta.2020.0252.
YAN, Melissa; GUSTAD, Lise Tuset; NYTRO, Oystein. Sepsis prediction, early detection, and identification using clinical text for machine learning: a systematic review. Journal Of The American Medical Informatics Association, Oxford, v. 29, n. 3, p. 559-575, dez. 2021. Http://dx.doi.org/10.1093/jamia/ocab236.
RIVERS, Emanuel et al. Early Goal-Directed Therapy in the Treatment of Severe Sepsis and Septic Shock. New England Journal Of Medicine, Massachusetts, v. 345, n. 19, p. 1368-1377, nov. 2001. Http://dx.doi.org/10.1056/nejmoa010307.
ROTHER, Edna Terezinha. Revisão sistemática X revisão narrativa. Acta Paulista de Enfermagem, São Paulo, v. 20, n. 2, p. 5-6, jun. 2007. Http://dx.doi.org/10.1590/s0103-21002007000200001.
GONÇALVES, Luciana Schleder et al. Implementation of an Artificial Intelligence Algorithm for sepsis detection. Revista Brasileira de Enfermagem, Brasília, v. 73, n. 3, p. 1-5, maio 2020. Http://dx.doi.org/10.1590/0034-7167-2018-0421.
SCHERER, Juliane de Souza et al. Beyond technology: can artificial intelligence support clinical decisions in the prediction of sepsis?. Revista Brasileira de Enfermagem, Brasília, v. 75, n. 5, p. 1-7, 2022. Http://dx.doi.org/10.1590/0034-7167-2021-0586.
TANG, Ri et al. Artificial Intelligence in Intensive Care Medicine: bibliometric analysis. Journal Of Medical Internet Research, Toronto, v. 24, n. 11, p. 421-435, nov. 2022. Http://dx.doi.org/10.2196/42185.
XU, Leiming et al. Ultrasonic Image Features under the Intelligent Algorithm in the Diagnosis of Severe Sepsis Complicated with Renal Injury. Computational And Mathematical Methods In Medicine, Hindawi, v. 22, n. 4, p. 1-9, ago. 2022. Http://dx.doi.org/10.1155/2022/2310014.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Maria Eduarda Soares Frota, Dália Passos Sousa, Debora Cristina dos Santos Pereira, Mariana Monteiro Magalhães Cruz , Lorena Alves Silva Cruz
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Você tem o direito de:
- Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
- O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
