Avaliação dos testes preditivos e a percepção de profissionais da saúde sobre a incorporação da inteligência artificial na tomada de decisão para extubação

INTRODUÇÃO: A incorporação da Inteligência Artificial (IA) nas ciências da saúde, tem promovido mudanças. Na Unidade de Terapia Intensiva (UTI) o processo de desmame e extubação é um desafio, para isso, ferramentas preditivas adequadas devem abranger todos os fatores fisiopatológicos que levam à falha. Modelos de IA têm demonstrado alto desempenho na identificação de pacientes com maior risco de falha de extubação, apesar dos avanços, as opiniões dos profissionais de saúde sobre essas ferramentas de tomada de decisões clínicas são diversas. OBJETIVO: Avaliar a capacidade preditiva e a correlação entre parâmetros fisiológicos e funcionais no desfecho da extubação em pacientes críticos, e a perspectiva de profissionais da saúde sobre o potencial auxílio da IA nesse processo. METODOLOGIA: A dissertação foi estruturada em quatro estudos independentes. O primeiro eixo metodológico consistiu em uma revisão sistemática com meta-analise e um estudo transversal para correlacionar os testes preditivos com os desfechos da extubação em pacientes críticos. O segundo eixo utilizou uma abordagem quanti-qualitativa, aplicando questionários com profissionais de saúde que atuam em UTIs para analisar o nível de conhecimento, barreiras e a percepção da IA na UTI e no suporte à decisão de extubação. RESULTADOS PARCIAIS E ESPERADOS: A extubação é um momento crítico que exige avaliação rigorosa, auxiliada por índices preditivos. Resultados preliminares confirma que variáveis antropométricas, troca gasosa, pico de fluxo de tosse e a força muscular periférica são preditores de sucesso. Nesse contexto a IA surge com alto potencial nas UTIs, mesmo que tenha certa complexidade na sua implementação. A baixa capacitação gera incertezas éticas, de segurança e de autonomia. Acredita-se que os fisioterapeutas que atuam na UTI tenham compreensão sobre o potencial da IA como suporte na decisão de extubação, identificando os índices mais empregados em suas rotinas possa fornecer insights sobre as funcionalidades cruciais que a IA deverá desempenhar para otimizar a tomada de decisão clínica nesse processo.

INTRODUCTION: The incorporation of Artificial Intelligence (AI) into health sciences has driven significant changes. In the Intensive Care Unit (ICU), the weaning and extubation process remains a challenge; therefore, adequate predictive tools must encompass all pathophysiological factors leading to failure. AI models have demonstrated high performance in identifying patients at higher risk of extubation failure; however, despite these advances, healthcare professionals' opinions regarding these clinical decision-making tools vary. OBJECTIVE: To evaluate the predictive capacity and correlation between physiological and functional parameters in extubation outcomes in critically ill patients, as well as the perspective of healthcare professionals on the potential assistance of AI in this process. METHODOLOGY: This dissertation was structured into four independent studies. Two articles comprise the first methodological axis, consisting of a systematic review with meta-analysis and a cross-sectional study to correlate predictive tests with extubation outcomes in critically ill patients. Two articles comprise the second axis, applying questionnaires to healthcare professionals working in ICUs to analyze the level of knowledge, barriers, and perceptions of AI in the ICU and its role in extubation decision support. RESULTS: Extubation is a critical moment that requires rigorous assessment aided by predictive indices. Preliminary results confirm that clinical and functional variables are predictors of success. In this context, AI emerges with high potential in ICUs, despite the complexity of its implementation. Low levels of training generate uncertainties regarding ethics, safety, and autonomy. ICU physiotherapists utilize practical clinical indices for extubation and understand the potential of AI as a support tool in extubation decisions. CONCLUSIONS: Extubation is a critical and multifactorial process, optimized by the integration of clinical and functional assessments. Although AI promises greater predictive accuracy, its adoption in the ICU faces barriers related to formal training and ethical dilemmas. Nevertheless, physiotherapists maintain an optimistic view of AI as a support tool that preserves clinical autonomy. The future demands digital literacy to bridge algorithmic precision and human sensitivity.