Benchmarking Machine Learning Architectures for Antimicrobial Stewardship in Pediatric ICUs

Resumo Técnico: Avaliação Comparativa de Arquiteturas de Aprendizado de Máquina para Gestão de Antimicrobianos em Unidades de Terapia Intensiva Pediátrica

Declaração do Problema
A resistência antimicrobiana é uma ameaça global crítica, exigindo programas eficazes de Gestão de Antimicrobianos (AMS) para reduzir a exposição desnecessária a antibióticos. Nas Unidades de Terapia Intensiva Pediátrica (UTIPs), a incerteza clínica frequentemente leva à iniciação padrão de antibióticos de amplo espectro, contribuindo para o uso excessivo e a resistência a longo prazo. Embora o Aprendizado de Máquina (ML) tenha sido proposto para apoiar a AMS ao prever oportunidades de intervenção a partir de dados de Prontuário Eletrônico de Saúde (EHR), trabalhos anteriores focaram majoritariamente em populações adultas e representações tabulares estáticas. Existe uma lacuna significativa na compreensão de como modelar efetivamente intervenções de AMS em contextos pediátricos, onde os dados são mais heterogêneos e esparsos. Além disso, permanece incerto quais alvos de intervenção são mais informativos e quais abordagens de modelagem (tabular versus temporal) capturam melhor a estrutura clínica das decisões de gestão.

Metodologia
Os autores apresentam um estudo sistemático de avaliação comparativa avaliando arquiteturas de ML para prever intervenções de AMS em UTIPs. O estudo utiliza duas coortes distintas: um conjunto de dados público (PIC, do Hospital Infantil da Universidade de Zhejiang) e um conjunto de dados institucional privado.

• Configuração de Previsão: A tarefa é formulada como um problema de classificação por dia-paciente. No início de cada dia com terapia antibiótica ativa, o modelo prevê se uma intervenção de gestão ocorrerá nas 24 horas subsequentes.
• Alvos: Quatro alvos proxy clinicamente relevantes são definidos com base em dados retrospectivos de prescrição:
  1. Troca de IV para oral: Transição de formulação intravenosa para não intravenosa.
  2. Desescalonamento: Mudança para um antibiótico com espectro estritamente menor (com base no Índice de Espectro Antibiótico).
  3. Descontinuação: Término da terapia antes da alta sem reinício imediato.
  4. Terapia de curta duração: Duração total do antibiótico entre 24 e 96 horas (excluindo cefazolina profilática), servindo como proxy para possível supertratamento.
• Representação de Dados: O estudo compara três resoluções temporais:
  1. 24 horas (Tabular): Estatísticas resumidas (mínimo, máximo, média, contagem) de variáveis dinâmicas agregadas sobre o dia anterior.
  2. 1 hora (Aumentada): Bins horários das últimas 24 horas codificados via uma Rede Neural Convolucional (CNN) e concatenados com as características de 24 horas.
  3. Irregular (Baseada em Grafos): Dados nativos de EHR amostrados irregularmente processados sem discretização.
• Classes de Modelos: Três classes de modelos são avaliadas sob um framework unificado:
  • Modelos Tabulares: Regressão Logística, LightGBM, MLP e TabPFN.
  • Modelos Temporais Baseados em Sequência: GRU, LSTM, TCN, Transformer e Modelos de Espaço de Estados (SSM/inspirados em Mamba). Configurações de Aprendizado de Tarefa Única (STL) e Aprendizado de Múltiplas Tarefas (MTL) são testadas.
  • Modelos Temporais Baseados em Grafos: RAINDROP, que modela séries temporais multivariadas como um grafo sobre variáveis.
• Avaliação: Os modelos são avaliados usando AUROC, Pontuação F1 e Área sob a Curva de Precisão-Revocação (AUPRC). A calibração também é avaliada para determinar a confiabilidade das estimativas de probabilidade.

Principais Resultados

• Prevalência do Alvo Impulsiona o Desempenho: O desempenho do modelo é determinado principalmente pela prevalência do alvo e características dos dados, e não pela complexidade do modelo. Alvos raros (ex.: troca de IV para oral, ocorrendo em <1% dos casos) produzem desempenho precário em precisão-revocação, apesar de altas pontuações de AUROC, destacando as limitações da AUROC em contextos clínicos desbalanceados.
• Benefícios da Modelagem Temporal: Modelos baseados em sequência fornecem melhorias nas compensações precisão-revocação (AUPRC e F1) sobre abordagens tabulares, particularmente para alvos mais prevalentes como desescalonamento e terapia de curta duração. No entanto, esses ganhos são modestos ao passar de dados agregados de 24 horas para resoluções temporais mais finas de 1 hora.
• Compensação de Calibração: Existe uma compensação significativa entre discriminação e calibração. Enquanto modelos complexos baseados em sequência e grafos frequentemente alcançam melhor desempenho de classificação, eles são consistentemente menos bem calibrados do que modelos tabulares mais simples (particularmente LightGBM). Modelos tabulares produzem estimativas de probabilidade mais confiáveis, o que é crítico para o suporte à decisão clínica.
• Aprendizado de Múltiplas Tarefas (MTL): Modelar conjuntamente tarefas relacionadas de gestão resulta apenas em melhorias marginais sobre o aprendizado de tarefa única. Isso sugere que a estrutura preditiva compartilhada entre diferentes tipos de intervenção (ex.: desescalonamento versus descontinuação) é fraca, e a modelagem específica por tarefa permanece preferível.
• Limitações Baseadas em Grafos: O modelo baseado em grafos (RAINDDROP) mostrou desempenho inferior em comparação com modelos de sequência, sugerindo que sua abordagem para modelar amostragem irregular não capturou totalmente padrões em nível de dia neste contexto específico.

Significado e Alegações
O artigo alega fornecer a primeira avaliação sistemática, entre coortes, da previsão de intervenções de AMS especificamente para populações pediátricas. Seu significado principal reside em oferecer orientação prática para o desenvolvimento de Sistemas Confiáveis de Suporte à Decisão Clínica (CDSS) para AMS:

1. Seleção de Alvo é Crítica: Alvos padrão para adultos (como troca de IV para oral) podem ser subutilizados ou raros em contextos pediátricos, necessitando da definição de proxies específicos para pediatria, como terapia de curta duração.
2. Complexidade do Modelo versus Utilidade: Aumentar a complexidade do modelo (ex.: usar modelos temporais profundos) não garante desempenho superior. Modelos tabulares mais simples frequentemente fornecem estimativas de probabilidade mais confiáveis (calibração), o que é essencial para a confiança do clínico.
3. Representação Temporal: Embora uma resolução temporal mais fina ofereça ganhos incrementais, a maior parte do sinal preditivo é capturada por características diárias agregadas.
4. Métricas de Avaliação: O estudo enfatiza que a AUROC sozinha é insuficiente para avaliar a utilidade clínica; métricas como AUPRC e calibração são mais informativas para ferramentas de suporte à decisão.

Os autores concluem que, para a previsão de intervenções de AMS em UTIP, a definição de alvos, a representação temporal e a calibração são tão críticas quanto a escolha do modelo, e que aumentar apenas a complexidade do modelo é insuficiente para construir sistemas confiáveis de suporte à decisão clínica. O código do estudo é disponibilizado publicamente para garantir a reprodutibilidade.