Pesquisadores da Universidade Federal do Rio Grande do Sul (UFRGS) descobriram que ferramentas de machine learning podem prever hospitalizações em pacientes diabéticos. O estudo, publicado em abril nos Archives of Endocrinology and Metabolism, analisou prontuários eletrônicos de seiscentos e dezessete pacientes atendidos em uma unidade de endocrinologia de um hospital público entre janeiro de dois mil e quinze e dezembro de dois mil e dezessete. Desses, cento e cinco (17,02%) foram hospitalizados ao menos uma vez durante o período de dois anos.

A pesquisa utilizou inteligência artificial para avaliar os dados e testou diversos algoritmos de machine learning. A combinação de XGBoost e Instance Hardness Threshold se destacou, apresentando uma sensibilidade de 0,93 na identificação de eventos de hospitalização. O médico endocrinologista Mateus Reis, um dos autores do estudo, ressaltou que essa combinação também demonstrou menor desvio padrão, indicando maior estabilidade e capacidade de generalização dos resultados.

O estudo identificou fatores que aumentam o risco de hospitalização entre os pacientes, como maior número de consultas ambulatoriais, variações na taxa de filtração glomerular estimada (eGFR) e idade, especialmente em jovens com menos de 24 anos e em pacientes entre 65 e 70 anos. Mateus Reis explicou que pacientes com frequentes consultas tendem a ter quadros clínicos mais complexos, enquanto a variação na eGFR pode sinalizar deterioração da função renal, elevando o risco de complicações.

Para o especialista, a identificação precoce de pacientes em risco pode permitir intervenções antes da hospitalização, otimizando recursos e melhorando o prognóstico. Ele acredita que essa abordagem pode reduzir internações evitáveis, diminuindo custos diretos e indiretos, além de melhorar os desfechos clínicos. No entanto, a implementação desses modelos enfrenta desafios, como custos de desenvolvimento e a necessidade de integração com sistemas de prontuários eletrônicos.

O coordenador do Departamento de Saúde Digital da Sociedade Brasileira de Diabetes, Márcio Krakauer, comentou que o estudo reforça conhecimentos já estabelecidos sobre fatores de risco em pacientes diabéticos. Ele destacou que a análise de dados por meio de aprendizado de máquina pode identificar pacientes com maior risco de hospitalização, permitindo um acompanhamento mais intensivo para aqueles que necessitam.

Essa pesquisa mostra como a tecnologia pode ser uma aliada na gestão da saúde. A união da sociedade civil pode ser fundamental para apoiar iniciativas que visem a melhoria do cuidado ambulatorial e a prevenção de internações desnecessárias. Projetos que busquem fortalecer essa abordagem são essenciais para garantir um futuro mais saudável para todos.