Resumo Técnico: Suporte à Decisão de Ventilação Mecânica com Múltiplos Agentes e Humano no Loop, Utilizando Aprendizado de Preferências por Bandit Contextual

1. Declaração do Problema

A ventilação mecânica na Unidade de Terapia Intensiva (UTI) requer ajustes contínuos e de alta granularidade para acompanhar a fisiologia do paciente, as trocas gasosas e a hemodinâmica em evolução. A prática clínica atual baseia-se em protocolos e na experiência do clínico, mas enfrenta desafios significativos:

• Complexidade Dinâmica: As trajetórias dos pacientes são não estacionárias, e estratégias que funcionam para um paciente ou momento específico podem falhar para outro.
• Restrições de Fluxo de Trabalho: A titulação à beira do leito exige respostas rápidas a sinais imperfeitos, frequentemente levando a ajustes inconsistentes devido a pressões de tempo e trocas de turno.
• Lacunas de Personalização: As equipes clínicas variam em tolerância ao risco, estilos de ajuste e convenções locais. Sistemas de suporte à decisão (DSS) existentes frequentemente falham em adaptar-se a essas preferências específicas, limitando a confiança e a adoção.
• Limitações da IA Atual: Abordagens baseadas em regras carecem de generalização para personalização, enquanto sistemas de aprendizado por reforço (RL) de ponta a ponta ou de Modelo de Linguagem Grande (LLM) único são difíceis de controlar, auditar e alinhar com limites de segurança específicos.

Os autores argumentam que, em ambientes clínicos de alto risco, o desempenho pontual do modelo é insuficiente. A implementação bem-sucedida exige um sistema onde o comportamento seja inspecionável à beira do leito, o raciocínio seja rastreável e o sistema possa adaptar-se às preferências do clínico sem romper o fluxo de trabalho clínico.

2. Metodologia: O Sistema de Suporte à Decisão de Ventilação (VDSS)

Os autores propõem o VDSS, um framework multiagente com humano no loop (HITL) projetado para decompor a tomada de decisão de ventilação em componentes modulares regulados por interfaces estruturadas orientadas a contratos.

2.1 Arquitetura Multiagente

Em vez de um único modelo mapeando entradas para saídas, o VDSS orquestra um fluxo de trabalho de agentes especializados (módulos LLM ou VLM) com papéis definidos e saídas restritas por esquema:

• Ingestão de Dados: Um Analisador de Ondas converte traços de pressão e fluxo em pistas estruturadas (por exemplo, assincronia, incerteza) para complementar dados tabulares.
• Detecção e Inferência de Objetivos: Um Agente de Detecção sintetiza pistas em um resumo de estado. Um Gerente de Objetivos de Fase infere a fase do tratamento e especifica objetivos primários e secundários.
• Controle de Decisão: Um Portão Manter/Ajustar decide se mantém as configurações atuais ou inicia a titulação, prevenindo ajustes desnecessários quando as evidências são insuficientes.
• Planejamento e Segurança: Se um ajuste for necessário, um Seletor de Estratégia, um Agente de Seleção de Modo e um Planejador de Parâmetros geram um conjunto compacto de atualizações executáveis. Essas propostas passam por verificações determinísticas de segurança e compatibilidade antes de chegar ao clínico.
• Feedback e Revisão: Se um clínico rejeitar uma proposta, um Agente de Reflexão traduz o feedback em restrições de revisão, identificando a camada de decisão mínima (por exemplo, estratégia vs. parâmetros) a ser revisitada. Isso permite replanejamento direcionado em vez de reexecuções completas do pipeline.
• Documentação: Um Gerador de Notas produz um resumo estruturado e um registro de ciclo auditável após a aceitação.

2.2 Interação com Humano no Loop

O sistema opera em ciclos de ajuste. Para cada ciclo $t$, o sistema propõe configurações $a^{(k)}_t$ em rodadas $k=1, \dots, K_t$.

• Tratamento de Rejeição: A rejeição é tratada como um sinal de controle estruturado. O sistema registra a racionalidade, localiza o erro em uma etapa específica de decisão e replaneja apenas essa etapa.
• Terminação: O ciclo termina quando o clínico aceita uma proposta ($\tilde{a}_t$), que se torna a verdade fundamental para aquele ciclo.

2.3 Adaptação Online de Preferências (Bandit Contextual)

Para abordar a variabilidade nos estilos de ajuste dos clínicos, o VDSS emprega um mecanismo de bandit contextual online:

• Estado de Preferência: Cada clínico $d$ mantém um estado de preferência $\theta_d$.
• Loop de Feedback: Ao encerrar o ciclo, o sistema extrai um sinal de preferência $p_t$ com base na decisão final aceita $\tilde{a}_t$ e no rastro de interação $h_t$.
• Objetivo de Aprendizado: O bandit atualiza $\theta_d$ usando a fórmula $\theta_d \leftarrow \text{AtualizaçãoBandit}(\theta_d; x_t, \tilde{a}_t, h_t, p_t)$.
• Categorias de Preferência: O modelo aprende sobre 12 categorias fixas, incluindo granularidade (passos pequenos vs. assertivos), mudanças de modo, priorização de objetivos clínicos (oxigenação, proteção pulmonar, hemodinâmica, etc.) e tendências de fluxo de trabalho (por exemplo, adiar ação quando os dados são insuficientes).
• Integração: O $\theta_d$ atualizado serve como contexto para o motor de raciocínio nos ciclos subsequentes, orientando a classificação e seleção de candidatos.

3. Contribuições Principais

1. Framework Modular Multiagente: O VDSS introduz uma arquitetura multiagente orientada a contratos que decompõe a titulação de ventilação em módulos verificáveis e mantíveis, substituindo modelos monolíticos de ponta a ponta por um rastro de raciocínio coerente e auditável.
2. Rejeição Estruturada e Replanejamento Direcionado: O sistema implementa um mecanismo onde a rejeição do clínico desencadeia a revisão direcionada de camadas específicas de decisão, reduzindo iterações improdutivas e mantendo a estabilidade da interação.
3. Adaptação Online de Preferências: A integração de um bandit contextual permite que o sistema aprenda estilos de ajuste individuais de clínicos a partir de decisões aceitas, melhorando o alinhamento das recomendações sem exigir elicitação explícita de preferências.
4. Evidência Rastreável: O framework garante que cada recomendação seja acompanhada por um resumo estruturado, verificações de segurança e uma racionalidade, facilitando a revisão e auditoria clínica.

4. Resultados Experimentais

Os autores avaliaram o VDSS usando replay retrospectivo de trajetórias de UTI e revisão por especialistas em um conjunto de dados de 1.309 registros estruturados (7.447 entradas de configuração) cobrindo 13 modos de ventilação.

• Desempenho vs. Modelos Únicos: Quando implantado dentro do VDSS, os modelos superaram significativamente a geração direta de modelo único. Por exemplo, usando o GPT-5.2 como base:
  • MSE (Erro Quadrático Médio): Reduzido de 0,343 (modelo único) para 0,102 (VDSS).
  • Avaliação Geral do Clínico: Melhorou de 2,63 para 4,11 (em uma escala de 1 a 5).
  • Aceitabilidade: Aumentou de 2,75 para 4,09.
• Estudos de Ablação: A remoção de evidências de ondas (NoImg) ou contexto de preferência (NoPref) resultou em desempenho degradado (por exemplo, o MSE subiu para 0,145 e 0,128, respectivamente), confirmando a necessidade de ambas as evidências dinâmicas e aprendizado de preferência.
• Eficiência de Interação: A análise de "arrependimento" (número de propostas rejeitadas por ciclo) mostrou uma tendência de queda ao longo de 100 ciclos, indicando que o sistema aprendeu as preferências dos clínicos e exigiu menos rodadas de interação para alcançar um plano aceitável.
• Tempo de Execução: Em hardware local (RTX 5070 Ti), o tempo médio do ciclo foi de 305,3 segundos, com a análise de ondas sendo o principal gargalo (56,46 s). O framework manteve uma taxa de falha de conclusão abaixo de 7%.

5. Significado e Alegações

O artigo alega que o VDSS representa um passo prático em direção à colaboração humano-IA clinicamente implantável em ambientes de alto risco. Seu significado reside em:

• Segurança e Auditabilidade: Ao impor interfaces orientadas a contratos e verificações de segurança determinísticas, o sistema garante que o planejamento generativo permaneça delimitado por restrições explícitas, abordando as preocupações de "caixa preta" do RL de ponta a ponta.
• Alinhamento com Fluxo de Trabalho: O design HITL respeita a natureza iterativa da titulação à beira do leito, permitindo que clínicos anulem, rejeitem e refinem sugestões sem romper o loop.
• Personalização sem Overfitting: A abordagem de bandit contextual adapta-se a estilos individuais de clínicos usando feedback do mundo real (decisões aceitas) em vez de exigir pré-treinamento massivo em dados de usuários específicos, tornando-a escalável entre diferentes instituições e praticantes.
• Interpretabilidade: O sistema fornece um link transparente entre a recomendação, o estado do paciente e as preferências da equipe, apoiando o uso repetido eficiente e a confiança.

Os autores concluem que, embora a precisão pontual do modelo seja necessária, a capacidade do framework de fornecer colaboração verificável, consciente de preferências e segura é o fator crítico para a adoção sustentada em cuidados intensivos.