Uma plataforma baseada em computador para auxiliar médicos na análise e diagnóstico do transtorno alimentar
10 de maio de 2022
Diagnosticar transtornos alimentares na área da saúde é um desafio. Portanto, o presente protocolo desenvolve um algoritmo baseado em 949 respostas de pacientes a um questionário, com o diagnóstico exibido em uma interface baseada na Web fácil de usar. Esse sistema facilita o diagnóstico preciso de transtornos alimentares, excluindo aqueles que se acredita ter um distúrbio alimentar.
O sistema decide se um paciente preenche os critérios diagnósticos para um transtorno alimentar e que tipo de transtorno alimentar, como anorexia nervosa, bulimia nervosa ou transtorno alimentar compulsivo. Assim, os pacientes tendem a ser mais honestos ao responder um computador do que uma pessoa física. E, claro, o sistema está economizando tempo para o médico.
O objetivo do método é melhorar a confiabilidade do diagnóstico do transtorno alimentar, auxiliando os médicos na seleção daqueles que sofrem de transtorno alimentar e encaminhando aqueles que não cumprem critérios de transtorno alimentar para outros tratamentos ou sem tratamentos. Demonstrando os procedimentos estará Alkioni Glibi, assistente de pesquisa em nosso laboratório. Após o encaminhamento do paciente, navegue até a página de aterrissagem da Web usando qualquer navegador moderno.
Use uma conta existente associada a um médico para fazer login na ferramenta web. Preencha o formulário de registro do paciente, incluindo RG do paciente, data de nascimento, idade e sexo, número do CPF. Pressione o botão Salvar para registrar um novo paciente.
Abra a aplicação do questionário em um dispositivo inteligente. Preencha o número do CPF e a primeira data de visita do paciente. A data atual é usada por padrão.
Em seguida, preencha as informações correspondentes ao peso, altura e idade do paciente. Em seguida, preencha as informações correspondentes a comportamentos como vômito induzido, frequência de lanches e taxa alimentar, seguido por particularidades correspondentes a itens cognitivos e emocionais, como medo de ganhar peso e sentimentos de dismorfia corporal. Pressione o botão Concluído para terminar o questionário.
Navegue até a página de aterrissagem da Web usando qualquer navegador da Web. Use uma conta existente para fazer login na ferramenta web. Procure o paciente utilizando o número de segurança social do paciente ou o RG do paciente.Adicione peso e altura medidos ao sistema.
Pressione a guia Resultado para obter a decisão algorítmica de saber se o paciente tem um distúrbio alimentar, ou ED e que tipo de ED. Em seguida, pressione a guia questiona de uma a 20 ou perguntas 21 a 34 para exibir as perguntas onde as respostas do paciente se desviam das respostas de indivíduos saudáveis. Selecione um diagnóstico final na guia Resultado, com base no algoritmo e na experiência do médico. Um exemplo de uma página de avaliação de risco para diagnóstico recomendado e a probabilidade estimada de precisão de zero para um é mostrado aqui.
A partir do diagnóstico recomendado e respostas de questionário, foram geradas respostas saudáveis e desviadas. O algoritmo que estima a probabilidade de diferentes tipos de distúrbios alimentares para o indivíduo é demonstrado aqui. A precisão do modelo foi determinada como 97,1 para ED e 82,8 para diagnóstico de ED.
Outro benefício do sistema é que ele fornece as respostas responsáveis pelo diagnóstico sugerido, o que permite ao sistema ensinar os médicos a diagnosticar melhor os pacientes e consultar outros profissionais de saúde em casos difíceis.
Visão Geral
Este artigo apresenta um algoritmo baseado na web projetado para melhorar o diagnóstico de transtornos alimentares mediante a análise das respostas dos pacientes a um questionário. O sistema aumenta a precisão diagnóstica enquanto permite aos clínicos avaliar os pacientes de forma eficiente.
Componentes Principais do Estudo
Área da Ciência
- Psicologia clínica
- Tecnologia em saúde
- Diagnóstico de transtorno alimentar
Contexto
- Diagnosticar transtornos alimentares é frequentemente desafiador para os profissionais de saúde.
- Métodos tradicionais podem levar a diagnósticos errados ou subdiagnósticos.
- O uso de tecnologia pode melhorar a honestidade do paciente e agilizar o processo diagnóstico.
- O algoritmo baseia-se em dados extensivos de pacientes para aumentar a confiabilidade.
Objetivo do Estudo
- Desenvolver uma ferramenta diagnóstica confiável para transtornos alimentares.
- Auxiliar clínicos na identificação de pacientes que atendem aos critérios para transtornos alimentares.
- Fornecer uma interface fácil de usar para clínicos e pacientes.
Métodos Utilizados
- Questionário baseado na web para respostas dos pacientes.
- Análise algorítmica das respostas para determinar o diagnóstico.
- Integração de dados do paciente, como peso, altura e padrões comportamentais.
- Entrada do clínico para o diagnóstico final com base nos resultados do algoritmo.
Resultados Principais
- O algoritmo alcançou uma precisão diagnóstica de 97,1% para transtornos alimentares.
- Ele forneceu insights sobre as respostas dos pacientes que se desviaram das normas saudáveis.
- Os clínicos receberam recomendações com base em avaliações algorítmicas.
- O sistema auxilia no ensino de práticas diagnósticas mais eficazes aos clínicos.
Conclusões
- A ferramenta baseada na web melhora significativamente a confiabilidade dos diagnósticos de transtornos alimentares.
- Permite melhores processos de gestão e encaminhamento de pacientes.
- O sistema pode aprimorar o treinamento e a tomada de decisões dos clínicos.
Perguntas Frequentes
Relevância Executiva para a Indústria
Plataformas diagnósticas baseadas em algoritmos para transtornos comportamentais complexos abordam uma lacuna crítica na identificação precoce e precisa, especialmente em ambientes de atenção primária que carecem de especialização. Ao padronizar critérios diagnósticos e quantificar estimativas de probabilidade, esses sistemas aumentam a confiança preditiva e agilizam o triagem de pacientes. Essa abordagem favorece a tomada de decisões escalável e reprodutível em diversos ambientes clínicos, impactando diretamente a gestão de riscos em nível de portfólio na pesquisa e desenvolvimento de saúde digital e medicina comportamental.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Permite a investigação sistemática dos critérios diagnósticos de transtornos comportamentais utilizando conjuntos de dados em larga escala e anotados por especialistas.
- Auxilia na redução de riscos biológicos e comportamentais ao quantificar a probabilidade diagnóstica e destacar desvios de resposta.
- Facilita a confiança preditiva na estratificação de pacientes e nas estratégias de intervenção precoce.
Desenvolvimento de Triagem e Ensaio
- Prepara sistemas de fenotipagem digital validados para fluxos de trabalho clínicos e translacionais posteriores.
- Padroniza a aquisição de dados e a avaliação algorítmica para obter saídas quantitativas e reprodutíveis.
- Permite triagem em larga escala de populações em risco com limiares diagnósticos consistentes.
Pesquisa Translacional e Pré-clínica
- Alinha saídas diagnósticas digitais com pontos finais clínicos para continuidade translacional.
- Apoia o avanço ajustado ao risco de biomarcadores digitais e pontos finais comportamentais.
- Oferece desvio de risco mecanicista ao vincular respostas de questionários aos resultados diagnósticos.
Integração de Pipeline e Fluxo de Trabalho
Esta plataforma diagnóstica baseada em computador integra-se ao continuum inicial de descoberta e tradução clínica, apoiando testes de hipóteses, validação de biomarcadores digitais e estratificação escalável de pacientes.
- Biologia da Descoberta: Quantifica a probabilidade diagnóstica e identifica desvios-chave na resposta para refinamento orientado por hipóteses.
- Triagem: Fornece saídas reprodutíveis baseadas em algoritmos para avaliação de pacientes em alto rendimento.
- Análises: Oferece leituras quantitativas e métricas de precisão estatística para orientar comparações entre diferentes condições.
- Pesquisa Translacional: Conecta dados diagnósticos digitais com a tomada de decisões clínicas e os caminhos de encaminhamento.
- Reutilização Empresarial: Oferece uma infraestrutura reutilizável baseada na web, adaptável a outras indicações comportamentais ou psiquiátricas.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva e reduz a ambiguidade diagnóstica na saúde comportamental.
- Valor Operacional: Padroniza e automatiza fluxos de trabalho diagnósticos para escalabilidade e reprodutibilidade.
- Valor Estratégico: Permite decisões mais precoces de seguir/não seguir baseadas em dados e otimiza a alocação de recursos.
- Impacto no Portfólio: Apoia a priorização ajustada ao risco de ativos de saúde digital e algoritmos diagnósticos.
Considerações sobre a Implementação
- Requer experiência clínica para o diagnóstico final e interpretação dos resultados algorítmicos.
- Necessita de infraestrutura digital segura para a coleta e análise de dados dos pacientes.
- Exige padronização entre equipes nos protocolos de entrada e interpretação de dados.
- Adaptável a diversos ambientes clínicos, mas pode exigir adaptação para diferentes populações.
- Depende da qualidade e representatividade dos conjuntos de dados de treinamento para a precisão algorítmica.
