O modelo de aprendizado de máquina combina dados de tempo e clima.
Um ramo da inteligência artificial (IA), chamado aprendizado de máquina, pode prever com precisão o risco de uma parada cardíaca fora do hospital – quando o coração para de bater de repente – usando uma combinação de dados de tempo e clima, segundo pesquisa publicada online na revista Coração.
O aprendizado de máquina é o estudo de algoritmos de computador e é baseado na ideia de que os sistemas podem aprender com os dados e identificar padrões para informar decisões com o mínimo de intervenção.
O risco de uma parada cardíaca foi maior aos domingos, segundas-feiras, feriados e quando as temperaturas caíram acentuadamente dentro ou entre dias, mostram os resultados.
Essas informações podem ser usadas como um sistema de alerta antecipado para os cidadãos, para diminuir seu risco e melhorar suas chances de sobrevivência, e para melhorar a preparação dos serviços médicos de emergência, sugerem os pesquisadores.
A parada cardíaca fora do hospital é comum em todo o mundo, mas geralmente está associada a baixas taxas de sobrevida. O risco é afetado pelas condições climáticas predominantes.
Mas os dados meteorológicos são extensos e complexos, e o aprendizado de máquina tem o potencial de captar associações não identificadas por abordagens estatísticas unidimensionais convencionais, dizem os pesquisadores japoneses.
Para explorar isso ainda mais, eles avaliaram a capacidade do aprendizado de máquina de prever parada cardíaca fora do hospital diariamente, usando o clima diário (temperatura, umidade relativa, chuva, queda de neve, cobertura de nuvens, velocidade do vento e leituras de pressão atmosférica) e tempo ( ano, estação, dia da semana, hora do dia e feriados).
Dos 1,299,784 casos ocorridos entre 2005 e 2013, o aprendizado de máquina foi aplicado a 525,374, usando dados climáticos ou de tempo, ou ambos (conjunto de dados de treinamento).
Os resultados foram então comparados com 135,678 casos ocorridos em 2014-15 para testar a precisão do modelo para prever o número de paradas cardíacas diárias em outros anos (conjunto de dados de teste).
E para ver quão precisa a abordagem pode ser em nível local, os pesquisadores realizaram uma 'análise de mapa de calor', usando outro conjunto de dados extraído da localização de paradas cardíacas fora do hospital na cidade de Kobe entre janeiro de 2016 e dezembro de 2018.
A combinação de dados climáticos e de tempo previu com mais precisão uma parada cardíaca fora do hospital nos conjuntos de dados de treinamento e teste.
Ele previu que domingos, segundas-feiras, feriados, inverno, baixas temperaturas e quedas bruscas de temperatura dentro e entre dias estavam mais fortemente associados à parada cardíaca do que os dados climáticos ou de tempo sozinhos.
Os pesquisadores reconhecem que não tinham informações detalhadas sobre a localização das paradas cardíacas, exceto na cidade de Kobe, nem tinham dados sobre condições médicas pré-existentes, as quais podem ter influenciado os resultados.
Mas eles sugerem: “Nosso modelo preditivo para incidência diária de [parada cardíaca fora do hospital] é amplamente generalizável para a população em geral em países desenvolvidos, porque este estudo teve um grande tamanho de amostra e usou dados meteorológicos abrangentes”.
Eles acrescentam: “Os métodos desenvolvidos neste estudo servem como exemplo de um novo modelo de análise preditiva que pode ser aplicado a outros resultados clínicos de interesse relacionados a doenças cardiovasculares agudas com risco de vida”.
E eles concluem: “Esse modelo preditivo pode ser útil para prevenir [paradas cardíacas fora do hospital] e melhorar o prognóstico dos pacientes… por meio de um sistema de alerta para cidadãos e [serviços médicos de emergência] em dias de alto risco no futuro”.
Em um editorial vinculado, o Dr. David Foster Gaieski, do Sidney Kimmel Medical College da Thomas Jefferson University, concorda.
“Saber qual será o clima mais provável na próxima semana pode gerar 'avisos de emergência cardiovascular' para pessoas em risco - notificando os idosos e outros sobre os próximos períodos de maior perigo, semelhante à forma como os dados meteorológicos são usados para notificar as pessoas sobre a próxima estrada perigosa. condições durante as tempestades de inverno”, explica ele.
“Essas previsões podem ser usadas para implantação de recursos, agendamento e planejamento para que os sistemas de serviços médicos de emergência, recursos de ressuscitação do departamento de emergência e equipe do laboratório de cateterismo cardíaco estejam cientes e preparados para o número de casos esperados durante os próximos dias. ," ele adiciona.
Referências:
“Modelo de aprendizado de máquina para prever paradas cardíacas fora do hospital usando dados meteorológicos e cronológicos” 17 de maio de 2021, Coração.
DOI: 10.1136/heartjnl-2020-318726
“Previsão do tempo para a próxima semana: nublado, frio, com chance de parada cardíaca” 17 de maio de 2021, Coração.
DOI: 10.1136/heartjnl-2021-318950
Financiamento: Agência de Restauração e Conservação Ambiental do Japão; Sociedade Japonesa para a Promoção da Ciência; Fundo de Pesquisa Intramural de Doenças Cardiovasculares do Centro Nacional Cerebral e Cardiovascular
