Context-Aware Emergency Department Triage Using Pairwise Comparisons and Bradley-Terry Aggregation

Este estudo demonstra que uma abordagem de triagem em pronto-socorro baseada em comparações pareadas e agregadas via modelo Bradley-Terry com um juiz de linguagem natural (LLM) supera o índice ESI tradicional e mantém estabilidade cruzada entre diferentes hospitais sem necessidade de treinamento local, superando modelos supervisionados que sofrem de degradação de desempenho em validação externa.

O essencial

Imagine que você está em uma sala de espera de um hospital lotado. Há dezenas de pessoas sentadas, cada uma com uma dor diferente: um tem uma dor de dente, outro tem uma tosse, e um terceiro parece muito pálido e suando frio. O desafio do enfermeiro de triagem é decidir: quem deve ser atendido primeiro?

Geralmente, os hospitais usam um sistema de "etiquetas" (como o ESI, que dá uma nota de 1 a 5 para cada paciente individualmente). É como se cada pessoa recebesse um cartão de cor: vermelho, amarelo ou verde. O problema? Se duas pessoas têm o cartão "amarelo", quem entra primeiro? Normalmente, quem chegou antes (fila única). Mas e se a pessoa que chegou depois estiver prestes a ter um infarto, enquanto a primeira só tem uma dor de garganta? O sistema de "etiquetas" individuais não consegue ver o contexto de toda a fila.

Este artigo de pesquisa propõe uma solução inteligente, como se fosse um árbitro de "quem é mais grave".

A Ideia Principal: O Torneio de Comparação

Em vez de dar uma nota isolada para cada paciente, os pesquisadores criaram um sistema que compara os pacientes um contra o outro, como em um torneio de tênis ou em uma luta de boxe.

1. O Jogo: Quando uma nova pessoa chega, o sistema não pergunta "quão grave você é?". Ele pergunta: "Você é mais grave do que a pessoa que está sentada ali na cadeira 3? E do que a pessoa na cadeira 5?"
2. O Juiz (IA): Para fazer essas comparações, eles usaram uma Inteligência Artificial muito avançada (um modelo de linguagem, como o GPT-4.1). Essa IA lê o prontuário completo de cada paciente (sintomas, histórico médico, remédios que toma) e decide quem precisa de ajuda mais urgente.
3. O Ponto de Agregação (Bradley-Terry): Depois de fazer várias dessas "lutas" virtuais entre os pacientes, o sistema usa uma fórmula matemática (chamada Bradley-Terry) para organizar a fila inteira do mais grave para o menos grave.

O Que Eles Descobriram?

Os pesquisadores testaram essa ideia em dois hospitais diferentes (um no Texas e outro usando dados de outro hospital famoso) e compararam com os métodos tradicionais.

• O "Velho" Sistema (ESI): Funciona bem, mas perde muitos pacientes graves que estão no meio da fila. É como tentar achar uma agulha no palheiro olhando apenas para a cor da agulha, sem olhar o tamanho dela.
• O "Super" Sistema (IA + Comparação): A nova abordagem conseguiu colocar os pacientes que estavam prestes a piorar (precisando de UTI, por exemplo) muito mais rápido no topo da fila.
  • No hospital de teste, a IA achou 58% dos pacientes graves entre os 5 primeiros da fila, enquanto o sistema tradicional achou apenas 49%.
  • No hospital de validação (o outro local), a IA manteve o mesmo desempenho, enquanto um modelo de computador tradicional (que precisava ser "ensinado" com dados daquele hospital específico) perdeu muita eficiência.

A Grande Vantagem: "Zero-Shot" (Sem Treinamento Local)

Aqui está a parte mais mágica.

• Modelos Tradicionais: São como um aluno que estuda apenas para a prova da sua escola. Se você leva esse aluno para outra escola com perguntas diferentes, ele se perde. Eles precisam de dados locais para serem treinados.
• A IA (LLM): É como um médico experiente que já viu de tudo no mundo. Ela não precisa ser "treinada" no hospital específico para entender que "dor no peito + histórico de diabetes" é mais grave do que "dor de cabeça". Ela já sabe isso por ter lido milhões de casos antes. Isso permite que o sistema funcione bem em qualquer hospital, sem precisar de meses de adaptação.

Analogia Final: O Maestro da Orquestra

Imagine que a sala de espera é uma orquestra onde cada músico (paciente) está tocando um instrumento (doença).

• O sistema antigo olha para cada músico individualmente e diz: "Você está tocando um pouco desafinado".
• O novo sistema é o Maestro. Ele ouve a orquestra inteira e percebe: "Ei, o violino (paciente A) está quase quebrando a corda e precisa de ajuda agora, mesmo que o trompete (paciente B) esteja fazendo um barulho alto. Vamos priorizar o violino."

Conclusão Simples

Este estudo mostra que usar Inteligência Artificial para comparar pacientes entre si, em vez de apenas classificá-los individualmente, pode salvar vidas ao garantir que os casos mais urgentes sejam vistos primeiro. É uma ferramenta que pode ajudar os enfermeiros a não se perderem no caos da sala de espera, funcionando bem em qualquer lugar do mundo, sem precisar de um "curso de adaptação" local.

Nota: O estudo é uma pesquisa promissora, mas ainda precisa ser testado na vida real, com médicos e pacientes reais, antes de ser usado em todos os hospitais.

Resumo técnico

Resumo Técnico: Triagem em Pronto-Socorro Baseada em Contexto via Comparações Pareadas e Agregação Bradley-Terry

1. Problema e Motivação

Os sistemas de triagem em Pronto-Socorro (PS) atuais, como o Índice de Gravidade de Emergência (ESI) e o National Early Warning Score 2 (NEWS2), funcionam predominantemente como classificadores. Eles atribuem um nível de acuidade independente a cada paciente, mas não determinam diretamente a ordem de atendimento na fila de espera.

• Limitação Atual: Dentro de um mesmo nível de acuidade (ex: ESI-3), a ordem é tipicamente "primeiro a chegar, primeiro a ser atendido" (FIFO). A ordenação post hoc de pontuações de risco independentes ignora o contexto da fila (outros pacientes esperando) e não responde à pergunta operacional crítica: "Qual paciente deve ser atendido a seguir?".
• Desafio de Generalização: Modelos de aprendizado de máquina supervisionados exigem grandes conjuntos de dados rotulados específicos de cada instituição, o que limita sua generalização entre diferentes hospitais devido a mudanças na distribuição dos dados (distribution shift).

2. Metodologia

O estudo propõe reformular a priorização da fila do PS como um problema de classificação (ranking) em vez de classificação absoluta, utilizando comparações pareadas.

• Conjuntos de Dados:

  • Desenvolvimento (Site A): Dataset MC-MED (118.385 visitas de PS).
  • Validação Externa (Site B): Dataset MIMIC-IV-ED (425.087 visitas de PS).
  • Desfecho: Deterioração clínica composta (admissão em UTI, intubação, uso de vasopressores, ventilação mecânica ou morte) dentro de 6 horas.

• Abordagem Proposta (Framework de Ranking):

  1. Cápsula de Triagem: Construção de um perfil do paciente com dados disponíveis no momento da triagem (sinais vitais, queixa principal, histórico médico, medicações). Foram testadas versões "estruturadas" (resumos binários) e "enriquecidas" (descrições completas de diagnósticos e medicações).
  2. Comparação Pareada: Quando um novo paciente chega, ele é comparado contra "âncoras" (pacientes sentinelas) já na fila, selecionadas em quantis da distribuição de severidade atual.
  3. Função de Julgamento (Judge): Um modelo compara os pares e decide quem deve ser atendido primeiro. Foram testados:
     • Heurística determinística (baseada em NEWS2).
     • LLM (GPT-4.1): Usando as cápsulas estruturadas e enriquecidas.
  4. Agregação: Os resultados das comparações pareadas são agregados usando o Modelo Bradley-Terry para estimar uma pontuação latente de severidade para cada paciente e gerar uma ordenação consistente da fila.

• Benchmarks Comparativos:

  • Baselines: FIFO, ESI, NEWS2.
  • ML Supervisionado: XGBoost (treinado no Site A e aplicado no Site B sem retreinamento).

• Simulação: Foram simulados turnos de PS (1.000 no Site A, 500 no Site B) para calcular métricas operacionais, como o tempo até o atendimento (TTP) baseado na posição na fila.

3. Contribuições Principais

1. Mudança de Paradigma: Demonstra que tratar a triagem como um problema de ranking (relativo) é superior à classificação absoluta para otimização de filas de espera.
2. Estabilidade "Zero-Shot": O modelo baseado em LLM (LLM-Enriched) manteve seu desempenho ao ser aplicado em um novo hospital (Site B) sem nenhum treinamento local ou ajuste de dados, superando a degradação observada em modelos supervisionados.
3. Importância do Contexto Clínico: A riqueza da informação fornecida ao juiz (LLM) foi o fator mais impactante. O uso de descrições completas de diagnósticos e medicações ("enriquecido") superou significativamente o uso de apenas flags binários ou heurísticas vitais.
4. Redução de Viés Operacional: O modelo proposto reduziu disparidades na identificação de pacientes que chegam via Serviço de Atendimento Móvel de Urgência (SAMU/EMS) em comparação com o ESI tradicional, que tendia a subtriagem nesses grupos.

4. Resultados Chave

• Desempenho no Site de Desenvolvimento (MC-MED):

  • Recall@5 (Métrica Primária): A fração de pacientes que pioraram que foram colocados nas 5 primeiras posições da fila.
    • BT-LLM-Enriched: 0,587 (superou significativamente o ESI que teve 0,491; p<0,001).
    • XGBoost (Supervisionado): 0,648 (o melhor desempenho absoluto, mas exigiu treinamento local).
  • Tempo até o Atendimento (TTP): O modelo LLM-Enriched reduziu o tempo mediano de espera para pacientes que pioraram em 9,3 minutos comparado ao ESI.

• Validação Externa (MIMIC-IV-ED):

  • Estabilidade do LLM: O desempenho do BT-LLM-Enriched permaneceu estável (AUROC 0,826 no Site A vs. 0,831 no Site B).
  • Degradação do ML Supervisionado: O modelo XGBoost sofreu queda significativa de desempenho ao ser aplicado no Site B sem retreinamento (AUROC caiu de 0,892 para 0,807).
  • Comparação Direta: No Site B, o BT-LLM-Enriched e o XGBoost foram estatisticamente indistinguíveis na maioria das métricas, mas o LLM teve melhor desempenho na cauda da distribuição (menor tempo de espera nos piores casos).

• Custo Computacional: O custo estimado para inferência do LLM é de aproximadamente $0,01 por paciente, o que é viável economicamente para um PS (cerca de $550/ano para um hospital de médio porte).

5. Significado e Conclusão

O estudo prova que a agregação Bradley-Terry com um juiz LLM oferece uma abordagem robusta, modular e economicamente viável para a priorização de filas em PS.

• Vantagem Operacional: Ao focar na ordenação relativa, o sistema identifica melhor os pacientes de alto risco para serem atendidos imediatamente, reduzindo o tempo de espera para aqueles que mais precisam.
• Generalização: A capacidade de funcionar "zero-shot" (sem treinamento local) é uma vantagem crítica para hospitais que não possuem dados históricos rotulados suficientes para treinar modelos de ML supervisionados.
• Futuro: Embora o estudo seja um proof-of-concept baseado em simulação, os resultados sugerem que essa abordagem pode ser integrada como uma camada de suporte à decisão para enfermeiros de triagem, reduzindo a carga cognitiva e mitigando vieses humanos, sem substituir o julgamento clínico final.

O trabalho destaca que a combinação de comparações pareadas com a capacidade de raciocínio contextual de LLMs supera as limitações dos sistemas de pontuação estáticos e dos modelos de aprendizado de máquina tradicionais em cenários de dados heterogêneos entre instituições.