Novas tecnologias podem melhorar a previsão e avaliação do Transtorno de Estresse Pós-Traumático
Publicado por Scio Education

O transtorno de estresse pós-traumático (TEPT) é um transtorno grave e frequente. A prevalência ao longo da vida é estimada em 1,3 – 12,2%. A probabilidade de desenvolver TEPT após um evento traumático varia de acordo com vários fatores de risco que podem ser pré-trauma (sexo, QI, exposição prévia ao trauma, transtorno mental prévio, genética, fatores de personalidade), relacionados ao trauma (percepção do medo da morte, trauma agressivo, gravidade do trauma, lesão física) ou pós-trauma (alta freqüência cardíaca, baixo apoio social, estresse financeiro, gravidade da dor, internação em terapia intensiva, traumatismo cranioencefálico, dissociação peritraumática, transtorno de estresse agudo, incapacidade). Deficiências funcionais e emocionais impactam na qualidade de vida. Há consequências financeiras e sociais significativas com taxas elevadas de hospitalização, tentativas de suicídio e abuso de álcool.

A maioria dos estudos encontrou uma fraca associação de fatores pré-trauma com a recuperação, presumivelmente devido à forte influência de fatores pós-trauma. Isso implica que a previsão da evolução do TEPT com base nas características de pré-exposição seria ineficiente: assim, a identificação dos fatores de risco continua sendo um desafio. A previsão e diagnóstico de TEPT é um importante problema de saúde, em particular no que diz respeito ao monitoramento de combatentes ou civis envolvidos em acidentes de trânsito ou agressões físicas (incluindo ataques terroristas).

Inteligência artificial e a previsão de TEPT

Contudo, novas tecnologias podem mudar o modo de entender transtornos psiquiátricos, incluindo TEPT.

No TEPT, a avaliação detalhada do sono, comportamento de evitação, memórias intrusivas ou sintomas de hipervigilância (incluindo frequência cardíaca) são bons candidatos. Miniaturização de sensores e uso de smartphones podem ser usados para refinar o diagnóstico. Machine Learning (ML), uma forma especial de inteligência artificial (IA), classifica os dados com base em diversas variáveis, permitindo o surgimento de padrões e grupos que podem ser usados para identificar pacientes psiquiátricos em risco.

ML é o subcampo da inteligência artificial que dá aos computadores a capacidade de aprender sem ser explicitamente programado. Ele usa dois tipos diferentes de classificação: “supervisionado” e “não supervisionado”. A classificação supervisionada identifica automaticamente as regras de bancos de dados constituídos de “exemplos”; classicamente, estes já são pacientes validados com um diagnóstico estabelecido. Com classificação não supervisionada, na qual os dados coletados não são rotulados, o objetivo do software será classificá-los em agrupamento homogêneo; isso torna possível encontrar estruturas que ainda não são conhecidas.

Uso de smartphones pode ajudar no diagnóstico e avaliação

Várias tecnologias podem ser usadas para refinar o diagnóstico de TEPT em pacientes usando dados de imagem, questionários de computador, smartphone ou dados biométricos usando objetos conectados. Além disso, está claro que a avaliação de smartphones ou tablets é tão precisa quanto uma avaliação por um clínico treinado, com a possibilidade de tornar essa avaliação muito mais rápida. Também é possível avaliar a gravidade do TEPT de acordo com o desempenho do paciente em um mundo virtual.

A detecção precoce (isto é, o rastreio) do TEPT é um importante problema de saúde pública.

Um estudo comparando entrevistando-administrado-por-computador versus entrevistado-administrado-por-via-oral mostrou uma excelente correlação entre os dois métodos de avaliação. Os fatores de risco foram identificados por meio de regressão logística, sensibilidade, especificidade, valores preditivos e análises da curva ROC (características operacionais do receptor1). Estudos mostram que a triagem eletrônica automatizada de registros médicos (EMR)2 pode ser usada para classificar de maneira eficiente e precisa os sobreviventes de lesões em risco para o desenvolvimento de TEPT.

Novas tecnologias na psiquiatria

Esta visão geral destaca a diversidade de novas tecnologias utilizadas em psiquiatria e sua aplicação na previsão, diagnóstico e acompanhamento do TEPT. Em termos de diagnóstico, dados biométricos associados ao TEPT estão começando a surgir.

O rastreamento de TEPT em pacientes expostos ao trauma se beneficia da contribuição de novas tecnologias, e dois métodos muito diferentes emergem. Primeiro, uma abordagem direta é aumentar a capacidade de entrevistar pacientes em risco usando questionários computadorizados. Em segundo lugar, uma abordagem indireta consiste na análise de dados (EMR, texto) usando inteligência artificial (mineração de texto, Máquinas de Vetores de Suporte [SVM]3, Modelo de Classificação do Produto [PSM]4) ou estatística (regressão logística).

Monitoramento do TEPT

Em termos de monitoramento, as técnicas de Avaliação Ecológica momentânea (EMA)5 parecem promissoras para avaliar a evolução dos sintomas do dia-a-dia. Marcadores biométricos e tradução computacional dão a possibilidade de fazê-lo remotamente, e de uma maneira que não seja intrusiva, com algumas vezes melhor precisão do que um clínico. A coleta de dados em psiquiatria envolve uma entrevista clássica: o psiquiatra observa, interroga e avalia o paciente para formar uma opinião sobre um provável diagnóstico. Apenas recentemente esse exame clínico pode ser aprimorado pela coleta de dados “ativos”. O paciente está envolvido na avaliação de seus próprios sintomas em intervalos regulares e em seu ambiente habitual.

A questão da aceitabilidade dos pacientes, a implementação na área da saúde e o custo efetivo dessas novas tecnologias permanecem em debate. Há uma necessidade urgente de estudos clínicos e médicos-econômicos bem planejados.

Esta visão geral mostra que muitos estudos estão em andamento e que é possível começar a construir o fenótipo digital de TEPT usando dados passivos obtidos por sensores biométricos. O envolvimento de pacientes, cuidadores e outros profissionais de saúde são essenciais para projetar e avaliar essas novas ferramentas.

artigo: e-PTSD: an overview on how new technologies can improve prediction and assessment of Posttraumatic Stress Disorder (PTSD) (e-TEPT: uma visão geral sobre novas tecnologias pode melhorar a previsão e Avaliação do Transtorno de Estresse Pós-Traumático (TEPT))

Autor(es)/data: BOURLA, A. et al, 2018

Periódico: European Journal of Psychotraumatology