O primeiro relato de um paciente sobre o motivo de ter ido ao pronto-socorro pode conter sinais que ajudam a prever o risco de desenvolver transtorno de estresse pós-traumático, segundo um novo estudo liderado por pesquisadores da NYU Langone Health.

A descoberta aponta para um possível novo uso da IA generativa em um ambiente no qual os profissionais precisam tomar decisões rápidas e no qual pode ser difícil acrescentar a triagem convencional de saúde mental a fluxos de admissão já sobrecarregados. Os pesquisadores dizem que seu sistema, chamado PREVIA, analisa a descrição espontânea do paciente sobre a lesão ou o evento que o levou ao pronto-socorro.

Uma pergunta rotineira com valor preditivo

O estudo examinou narrativas de trauma de 145 pacientes do pronto-socorro. A equipe de pesquisa informou que seu conjunto de modelos de IA identificou corretamente mais de 95,4% dos pacientes considerados em risco. Em um teste direto envolvendo 30 pessoas do mesmo grupo que posteriormente desenvolveram TEPT, o PREVIA sinalizou os 30 casos, enquanto um profissional do pronto-socorro especializado em TEPT identificou 89% deles.

O trabalho foi publicado on-line na Nature Communications em 9 de novembro. Os pesquisadores o descrevem como o primeiro estudo a mostrar que respostas espontâneas a uma única pergunta rotineira do atendimento, “O que trouxe você ao pronto-socorro?”, podem conter informação psicológica suficiente para prever o risco de TEPT um mês depois.

Isso é importante porque os pronto-socorros costumam ser o primeiro — e às vezes o único — ponto de contato com o sistema de saúde após um trauma físico. O artigo original observa que cerca de 43 milhões de pacientes são atendidos em pronto-socorros dos Estados Unidos a cada ano com lesões físicas, e que mais de um quarto desenvolve TEPT, de acordo com estudos anteriores.

Por que a triagem no pronto-socorro é difícil

A triagem de TEPT pode ser valiosa quando identifica pessoas que podem se beneficiar de atenção precoce, mas o atendimento de emergência é marcado por tempo limitado e prioridades clínicas concorrentes. Questionários padrão podem ser impraticáveis em um pronto-socorro movimentado, especialmente quando o paciente está sendo avaliado por uma lesão aguda.

O PREVIA pretende usar informações que já são coletadas, em vez de acrescentar outra avaliação formal ao processo de admissão. Os relatos dos pacientes foram gravados e transcritos, e então analisados em busca de padrões associados ao risco posterior de TEPT.

Os pesquisadores afirmam que a IA generativa é adequada para esse tipo de análise porque esses modelos aprendem relações entre palavras a partir de grandes quantidades de dados linguísticos. Neste caso, o sistema observa como uma pessoa descreve o que aconteceu e procura padrões de linguagem que o estudo associa ao risco posterior de TEPT.

Um papel potencial, não um diagnóstico

O resultado não significa que um sinal de risco gerado por IA seja um diagnóstico de TEPT. O estudo descreve uma abordagem de triagem: uma forma de identificar pessoas que podem precisar de acompanhamento ou de uma avaliação clínica mais detalhada. O TEPT é uma condição complexa, e a narrativa do paciente é apenas uma das fontes de informação disponíveis aos profissionais.

Ainda assim, os resultados relatados sugerem que a linguagem livre pode se tornar uma adição útil ao apoio à decisão no pronto-socorro. Um sistema que funcione a partir de uma narrativa rotineira pode ser especialmente atraente se conseguir identificar riscos sem atrasar a admissão nem exigir que os pacientes preencham outro formulário longo imediatamente após uma lesão.

  • O estudo analisou narrativas de 145 pacientes do pronto-socorro.
  • Segundo o relatório, o PREVIA identificou mais de 95,4% dos pacientes em risco.
  • Em uma comparação de 30 casos, o sistema sinalizou todos os pacientes que posteriormente desenvolveram TEPT.
  • Os pesquisadores apresentam a ferramenta como um recurso de triagem que pode apoiar, e não substituir, o julgamento clínico.

O que vem a seguir

A principal promessa é o reconhecimento mais precoce. Se o risco puder ser identificado durante ou logo após uma visita ao pronto-socorro, profissionais e sistemas de saúde poderão ter uma oportunidade mais clara de conectar os pacientes ao acompanhamento adequado antes que os sintomas se consolidem.

Mas a amostra do estudo foi limitada a 145 pacientes, e sua comparação mais robusta envolveu 30 casos de TEPT posterior daquele grupo. O uso mais amplo exigiria validação em outras populações de pacientes e em ambientes reais de pronto-socorro. Também exigiria atenção cuidadosa à forma como uma estimativa de risco é explicada, documentada e utilizada pelos profissionais.

Por enquanto, a pesquisa oferece evidências de que uma conversa clínica comum pode conter informações úteis que historicamente têm sido difíceis de usar de forma sistemática. Em vez de pedir mais aos pacientes durante uma consulta estressante, a abordagem busca aprender com as palavras que eles já usam.

Este artigo é baseado em uma reportagem da Medical Xpress. Leia o artigo original.

Originally published on medicalxpress.com