Abstract
A sepse, síndrome clínica com alto potencial de infecção e impacto nas Unidade de Terapia Intensiva, necessita de rápida identificação para melhorar as chances de sobrevivência dos pacientes que apresentam esta complexa resposta desregulada do sistema a infecção. No entanto, devido à sobrecarga de informações clínicas do paciente, a identificação precoce é um desafio. Nesse contexto, o objetivo do estudo foi avaliar algoritmos de inteligência artificial para predição da sepse em pacientes de Unidade de Terapia Intensiva. Utilizou-se dados de 659 pacientes de uma unidade intensiva de hospital público de referência, no Brasil, por meio de estudo de desenvolvimento com as tarefas de regressão e classificação. Foram testados cinco algoritmos, com resultados apontando para Random Forest e o Gradient Boosting representando o melhor desempenho, com altos valores de F1-score (0,98) e acurácia (98,48%). Comparando-se com pesquisas anteriores, este trabalho superou modelos existentes na literatura, para prever o início da sepse.