Lesão hepática induzida por medicamentos: prevalência e estratégia para detecção por inteligência artificial

Página do item simplificado
dc.contributor.advisorBlatt, Carine Raquel
dc.contributor.advisor-coUlbrich, Ana Helena Dias Pereira dos Santos
dc.contributor.authorOrtiz, Gabriela Xavier
dc.contributor.departmentPrograma de Pós-Graduação em Medicina: Hepatologia
dc.date.accessioned2024-03-01T14:07:07Z
dc.date.available2024-03-01T14:07:07Z
dc.date.date-insert2024-03-01
dc.date.issued2023
dc.descriptionDissertação (Mestrado)-Programa de Pós-Graduação em Medicina: Hepatologia, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
dc.description.abstractIntrodução: A lesão hepática induzida por medicamento, também conhecida como DILI, é uma reação adversa com impacto na morbimortalidade de pacientes, aumento do tempo de internação hospitalar e dos custos do serviço de saúde. Objetivos: apresentar dados farmacoepidemiológicos de DILI em hospital e descrever o desenvolvimento de algoritmo de detecção de DILI através de inteligência artificial (IA). Métodos: no primeiro momento, foi realizado estudo transversal retrospectivo analítico com dados de pacientes hospitalizados no período de janeiro a junho de 2022. Incluiu-se pacientes sem restrição de idade, com ALT ≥ 3 x Limite superior da normalidade. A ferramenta de detecção por inteligência artificial utilizou dados do prontuário eletrônico hospital multibloco terciário: marcadores hepáticos e palavras-chave relacionadas a hepatopatias para excluir ou incluir pacientes com potencial DILI. A validação ocorreu através de comparações com avaliação manual dos mesmos casos por especialista em hepatologia. Para o desenvolvimento do algoritmo por IA foi utilizado aprendizado de máquina supervisionado e processamento de linguagem natural. Resultados: de um total de 56.014 pacientes internados, 1.274 apresentaram alteração de ALT. Desses, excluiu-se 550 casos por doença hepática não relacionada a medicamento, 186 oncológicos, 178 pacientes sem informações em prontuário, 108 por sepse/choque séptico, 92 por covid-19 positivo, 89 de choque cardiogênico e 30 sem suspeita de medicamento. Aplicou-se RUCAM em 41 casos, com confirmação de DILI em 38. A prevalência de DILI foi de 7 casos por 10.000 pacientes. Uma segunda coorte de pacientes do mesmo hospital foi utilizada para validação da ferramenta de IA, dessas a IA excluiu automaticamente 50,8% (n= 89) dos casos suspeitos utilizando os termos de exclusão em consenso com a análise do revisor manual. Foi verificado uma sensibilidade de 84%, especificidade de 70% e acurácia de 72% para detecção, sendo o valor preditivo positivo de 35% e o valor preditivo negativo de 95%. A aplicação do algoritmo automatizado resultou em uma economia de tempo estimada em 50%. Conclusão: A prevalência de DILI hospitalar no presente estudo é compatível com a literatura. Marcadores hepáticos são importantes alertas para detecção de DILI, porém não podem ser utilizados isoladamente. O algoritmo desenvolvido demonstrou valores de especificidade, VPN, e economia de tempo comparáveis com publicações internacionais. Até o presente momento, esse é o primeiro trabalho de desenvolvimento de algoritmo de detecção automatizada de DILI no contexto da população brasileira.
dc.description.abstract-enIntroduction: Drug-induced liver injury is an adverse reaction with an impact on patient morbidity and mortality, increased hospital-stay and health service costs. Objectives: to present pharmacoepidemiological data on DILI in a hospital and describe the development of a DILI detection algorithm using artificial intelligence (AI) developed through supervised machine learning and natural language processing methodology, in a Brazilian hospital environment, with data from electronic medical records. Methods: at first, a retrospective observational study was carried out with data from patients hospitalized from January to June 2022. Patients without age restrictions, with ALT ≥ 3x upper limit of normal, were included. The artificial intelligence detection tool used liver markers and liver disease-related keywords to exclude or include patients with potential DILI. Validation occurred through comparisons with manual evaluation of the same cases by a specialist in hepatology, being considered the gold standard. Results: a total of 56,014 hospitalized patients, 1,274 had ALT alterations. Of these, 550 cases were excluded due to liver disease not related to medication, 186 oncology, 178 patients with no information in the medical records, 108 due to sepsis/septic shock, 92 due to positive covid-19, 89 due to cardiogenic shock and 30 without suspected medication. RUCAM was applied in 41 cases, with confirmation of DILI in 38. The prevalence of DILI was 7 cases per 10,000 patients. A second cohort of patients from the same hospital was used for validation of the AI tool, of which the AI automatically excluded 50.8% (n=89) of suspected cases using the exclusion terms in consensus with the manual reviewer analysis. 84% sensitivity and 70% specificity. Accuracy was 72% for detection, with a positive predictive value of 35% and a negative predictive value of 95%. The application of the automated algorithm resulted in an estimated time saving of 50%. Conclusion: The prevalence of hospital DILI in the present study is consistent with the literature. Liver markers are important alerts for the detection of DILI, but they cannot be used alone. The developed algorithm demonstrated values of specificity, VPN, and time savings comparable to international publications. To date, this is the first work on the development of an algorithm for the automated detection of DILI in the context of the Brazilian population.
dc.identifier.urihttps://repositorio.ufcspa.edu.br/handle/123456789/2670
dc.language.isopt_BR
dc.relation.requiresTEXTO - Adobe Reader
dc.rightsAcesso Embargadopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/
dc.subjectLesão Hepática Induzida por Medicamento
dc.subjectFarmacovigilância
dc.subjectInteligência artificial
dc.subjectSegurança do Paciente
dc.subjectFarmacêutico clínico
dc.subject[en] Chemical and Drug Induced Liver Injuryen
dc.subject[en] Pharmacovigilanceen
dc.subject[en] Artificial Intelligenceen
dc.subject[en] Patient Safetyen
dc.titleLesão hepática induzida por medicamentos: prevalência e estratégia para detecção por inteligência artificial
dc.typeDissertação
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
[DISSERTAÇÃO] Ortiz, Gabriela Xavier (P).pdf
Tamanho:
1.43 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto parcial
Baixar
Coleções
PPGHEP - Dissertações