Perspectivas atuais sobre o uso da inteligência artificial para a segurança de pacientes críticos
As Unidades de Terapia Intensiva (UTIs) têm feito melhorias na segurança do paciente, e a inteligência artificial (IA) está surgindo como uma tecnologia inovadora, que oferece novas oportunidades. Embora as evidências publicadas sejam limitadas e apresentem problemas metodológicos, certas áreas mostram potencial, tais como os sistemas de apoio à decisão, a detecção de eventos adversos e a identificação de erros de prescrição. A aplicação da IA na segurança pode ter objetivos preditivos ou diagnósticos. A implementação de sistemas baseados em IA exige procedimentos para garantir a assistência segura, lidando com desafios como a confiança nesses sistemas, vieses, a qualidade dos dados, a capacidade de utilizá-la em grande escala e considerações relacionadas à ética e à confidencialidade. O desenvolvimento e a aplicação da IA exigem testes rigorosos, incluindo avaliações retrospectivas de dados, validação em tempo real com coortes prospectivas e demonstração de eficácia em estudos clínicos. A transparência e a capacidade de explicar os algoritmos são essenciais, e o envolvimento ativo dos profissionais clínicos é crucial no processo de implementação.
Intensive Care Units (ICUs) have undergone enhancements in patient safety, and artificial intelligence (AI) emerges as a disruptive technology offering novel opportunities. While the published evidence is limited and presents methodological issues, certain areas show promise, such as decision support systems, detection of adverse events, and prescription error identification. The application of AI in safety may pursue predictive or diagnostic objectives. Implementing AI-based systems necessitates procedures to ensure secure assistance, addressing challenges including trust in such systems, biases, data quality, scalability, and ethical and confidentiality considerations. The development and application of AI demand thorough testing, encompassing retrospective data assessments, real-time validation with prospective cohorts, and efficacy demonstration in clinical trials. Algorithmic transparency and explainability are essential, with active involvement of clinical professionals being crucial in the implementation process.
