SMART-CDSS - Um Sistema de Inteligência Artificial para fortalecer a prescrição de antimicrobianos

A decisão de qual antimicrobiano deve ser prescrito é em geral uma decisão difícil para os clínicos, seja de forma empírica ou usando dados laboratoriais. Este projeto propôs o desenvolvimento de um aplicativo que utiliza um algoritmo para auxiliar a decisão do médico frente a um caso de infecção bacteriana, seja ela grave ou moderada, hospitalar ou comunitária, mitigando assim a pressão seletiva proveniente da prescrição incorreta de antimicrobianos. Trata-se de um sistema especialista que utiliza um algoritmo baseado em inteligência artificial para fornecer uma análise multiparamétrica e integração dos dados do paciente, dos microrganismos e drogas utilizadas. O sistema indica, segundo o caso clínico, os diferentes antibióticos de primeira escolha, apoiando assim a decisão clínica para a melhor opção de tratamento com antimicrobianos. O sistema permite que, desde o clínico geral até o infectologista, passando pelo pediatra, se faça uma prescrição melhor de antibióticos, aperfeiçoando o Uso Racional de Antimicrobianos (Antimicrobial Stewardship), fazendo da prescrição de antibióticos (empírica ou baseada em dados laboratoriais) algo mais seguro e preciso e reduzindo a resistência antimicrobiana como também os custos de tratamento destas infecções.O algoritmo leva em consideração, em um sistema de pesos, parâmetros como idade e sexo do paciente e a origem da cidade e da infecção -se comunitária ou hospitalar. O sistema calcula a função renal e o risco de sepse, considera se há alergia a medicamentos, mas principalmente os resultados compilados de sensibilidade a antibióticos de pacientes semelhantes ao investigado, a partir de uma base de dados nacional.

A primeira etapa consistiu na construção de um sistema de inteligência artificial usando fluxo de decisão, elaborado por especialistas em TI com o apoio de uma equipe multidisciplinar de especialistas em doenças infecciosas (médicos, farmacêuticos e microbiologistas). Essa construção considerou todas as variáveis que poderiam afetar o resultado do tratamento antimicrobiano, como idade, peso, função renal, estado do sistema imunológico, local de infecção, propriedades farmacocinéticas e farmacodinâmicas da droga, farmacologia, concentração inibitória mínima, microrganismo envolvido, associação medicamentosa, custo de medicamento, epidemiologia local e resistência a antimicrobianos em isolados recentes. Em seguida, o sistema, denominado SMART-CDSS, foi validado quanto à decisão do antimicrobiano a ser usado para tratar diferentes tipos de infecções usando casos clínicos hipotéticas de pacientes comunitários ou hospitalizados e compará-lo, em um estudo duplo-cego, com as três primeiras escolhas de prescrição antimicrobiana definida pelo time de especialistas. Realizado os ajustes e o feedback proveniente dos especialistas,  garantiu-se um melhor desempenho, e foi desenvolvido um aplicativo para smartphones para calcular de forma automática o ranking dos antimicrobianos frente a cada caso clínico, bastando informar os dados clínicos do paciente e do agente infeccioso etiológico.

Inicialmente realizou-se um levantamento sobre as drogas utilizadas nos hospitais brasileiros, incluindo suas características farmacocinéticas e farmacodinâmicas, ajustes necessários em casos de comprometimento de função renal e risco de sepse, peso, idade e custo.  Em paralelo, usando a base de dados de um Sistema Nacional de Vigilância da Resistência Antimicrobiana – o  BR-GLASS, foram observadas as características dos microrganismos mais comumente encontrados nas infecções, em especial  a resistência a antimicrobianos e topografia das lesões. Através desta busca, foram compilados dados epidemiológicos locais e nacionais das infecções bacterianas, quantificando as melhores opções de terapia antimicrobiana de acordo com o perfil de suscetibilidade. O conjunto desses dados serviu de base para alimentar o algoritmo, usando tecnologia de aprendizagem de máquina. A validação foi feita com um painel de especialistas e confrontada com três opções possíveis sugeridas pelo aplicativo, para cada caso clínico elaborado pela equipe. Foram também realizados testes de usabilidade do aplicativo, junto aos designers e desenvolvedores do software, bem como potenciais usuários. O aplicativo, até o momento, tem se demostrado de fácil utilização e com resultados rápidos (menos de dois minutos para input de dados e resultado, por paciente).

A inovação do sistema se baseia na capacidade em correlacionar muitas variáveis das diversas infecções bacterianas, coletando dados do sistema de informação laboratorial dos hospitais e entregando aos médicos uma lista classificatória dos melhores antibióticos a serem utilizados em cada caso, de forma a apoiar o profissional de saúde na condução da melhor opção terapêutica. Quanto maior se tornar a base do BR-GLASS (que hoje contêm dados de cinco hospitais, mas até 2023 outros 20 hospitais serão integrados à mesma) e mais automatizada ficar a sua alimentação, o App será capaz de atualizar seus dados com uma velocidade e dinamismo que a mente humana, mesmo de um especialista da área, não tem condições de acompanhar. Assim sendo, a prescrição antimicrobiana empírica não será mais baseada em observações isoladas de um único profissional prescritor ou de dados da literatura, mas sim em evidências provenientes de uma base robusta, de amplitude nacional e que se atualiza em tempo real.

A resistência a antimicrobianos vem se disseminando globalmente nos últimos anos, estimando-se que em 2050 possam ocorrer 10 milhões de mortes por ano no mundo, a um custo maior do que US$ 100 trilhões. A decisão de qual antimicrobiano deve ser prescrito é em geral uma decisão difícil para os clínicos, seja de forma empírica ou usando dados laboratoriais. Este projeto propõe o desenvolvimento de um aplicativo que utiliza um algoritmo para auxiliar a decisão do médico frente a um caso de infecção bacteriana, seja ela grave ou moderada, hospitalar ou comunitária, mitigando assim a pressão seletiva proveniente da prescrição incorreta de antimicrobianos.

O sistema prevê, por meio de inteligência artificial, o melhor antimicrobiano a ser utilizado para cada caso clínico específico, uma ferramenta que não está disponível no meio médico brasileiro, e que pode contribuir não somente para a mitigação da resistência causada pela prescrição inadequada ou pelo uso indiscriminado, mas também pode reduzir custos do SUS. O apoio pode ser particularmente importante em unidades distantes ou pequenos municípios, que não tenham médicos especialistas (infectologistas) ou laboratórios capazes de identificar o agente bacteriano e seu grau de sensibilidade aos antimicrobianos com precisão.

A 2ª fase do projeto requer a inclusão de mais sítios de infecções, acrescentando líquidos estéreis (p.ex.: LCR), casos de endocardite, infecção intra-abdominal e infecções respiratórias. Requer também outros aperfeiçoamentos como a validação clínica do sistema em hospital de grande porte, a integração do sistema com os sistemas de informação hospitalar a fim de otimizar o preenchimento automatizado dos dados do paciente e dos dados microbiológicos, bem como possibilitar o registro das consultas ao App em prontuário para futuras revisões e análises críticas. Paralelamente, a ampliação dos hospitais participantes do Sistema BR-GLASS tornará a base de dados ainda mais robusta e fidedigna.

A viabilização destas próximas etapas será parcialmente sustentada por recursos de um Projeto abrangente em AMR, aprovado através de uma chamada internacional do Center for Diseases Control and Prevention (CDC) – nomeado Strengthening the Brazilian Antimicrobial Resistance Surveillance System, sobre o número CK21-2104. Entre as diversas atividades deste projeto está a ampliação do Sistema BR-GLASS, para cinquenta e cinco hospitais em todos estados brasileiros e a atualização e manutenção das atividades do App SMART-CDSS. O Projeto, liderado pela CGLAB/DAEVS/SVSA/MS em conjunto com o LAPIH/FIOCRUZ, e parceria do LACEN/PR, tem previsão de duração de cinco anos (2022-2026).