O estudo utiliza método estatístico para descobrir quantos são os infectados por covid-19 entre um grupo de casos suspeitos
Fonte: Júlio Bernardes/Jornal da USP
Dados coletados no dia a dia da assistência médica são usados na criação de ferramentas de diagnóstico da covid-19 em pesquisa da Faculdade de Saúde Pública (FSP) da USP. Os métodos em desenvolvimento no estudo servirão para predizer a doença entre casos suspeitos notificados. Numa análise preliminar, feita a partir de dados oficiais de vigilância em saúde pública, o modelo de predição da covid-19 alcançou uma precisão de 89,47%. A pesquisa também vai incorporar métodos para estimar a evolução do quadro clínico dos pacientes e verificar a qualidade dos ensaios que avaliam tratamentos para a doença.
"Numa análise preliminar, feita a partir de dados oficiais de vigilância em saúde pública, o modelo de predição da covid-19 alcançou uma precisão de 89,47%"
A pesquisa é baseada no método de evidência do mundo real (RWE, sigla em inglês para Real World Evidence). “A RWE deriva da análise de dados coletados em um ambiente de assistência médica, fora do contexto de ensaios clínicos randomizados (ECRs) prescritivos”, explica o professor Fredi Diaz Quijano, um dos coordenadores do estudo. “Um dos principais objetivos da técnica é entender observações e eventos em pacientes na prática clínica de rotina."
Assim, os pesquisadores pretendem criar métodos para predizer a doença entre os casos suspeitos notificados ao sistema de vigilância, hospitalizados ou não. “Isto será feito com a obtenção e aplicação de funções estatísticas em informações coletadas rotineiramente, como idade, antecedentes e algumas manifestações clínicas”, diz o professor Quijano. “Esse resultado poderá fornecer estimativas da quantidade total de casos detectáveis e informações relevantes sobre as características dos pacientes para apoiar sua detecção precoce e medidas preventivas focalizadas”. Uma análise preliminar feita a partir dos dados dos primeiros meses de vigilância no Rio de Janeiro e em São Paulo, divulgados pelo Ministério da Saúde, foi publicada em pre-print (versão prévia de artigo a ser publicada em revista científica), no site Medrxiv. A precisão na detecção da covid-19 chegou a 89,47%.
Legenda: Prof. Alexandre Dias P. Chiavetto Filho (acima) e Prof. Fredi Alexander Diaz Quijano (no início do texto), ambos da Faculdade de Saúde Pública da USP
Previsão do número de casos Adicionalmente, em pacientes hospitalizados, que contam usualmente com mais medições de variáveis fisiológicas e bioquímicas, serão desenvolvidos algoritmos de Inteligência Artificial (AI) para predição de diagnóstico e prognóstico de covid-19. “Para este segundo componente as análises serão realizadas com dados fornecidos por hospitais e os resultados serão validados com dados novos”, declara o professor Alexandre Chiavegatto Filho, que também coordena o projeto.
“A partir da predição para cada paciente, vamos comparar com os resultados reais e com isso conseguir avaliar o nível de acerto dos algoritmos”, descreve Chiavegatto Filho.
“Os resultados obtidos até agora indicam um bom poder preditivo desses algoritmos”, prossegue o professor. “A predição de diagnóstico de covid-19 pode auxiliar os médicos sobre prioridades para realização de testes para detectar a doença, que em muitas cidades brasileiras têm demorado muito tempo devido à alta demanda.”
O conhecimento rápido sobre o risco de cada paciente ter de fato covid-19 também deve auxiliar a equipe médica em decisões sobre isolamento de pacientes e medidas preventivas.
O estudo é realizado no Departamento de Epidemiologia da FSP e as pesquisas com estratégias de Inteligência Artificial (machine learning) terão a participação de pesquisadores vinculados a instituições de saúde que possam fornecer dados para os modelos preditivos.