Hospital Provincial de Gweru Testa Cinco Modelos de Aprendizagem Automática para Identificar Infeções Resistentes a Fármacos

A vigilância nacional da resistência antimicrobiana (RAM) no Zimbabué tem sido reforçada nos últimos anos com o apoio do Fleming Fund do Reino Unido, mas as ferramentas preditivas ao nível hospitalar continuam raras, e muitos laboratórios de diagnóstico ainda carecem de sistemas eletrónicos de dados. Investigadores que trabalham com o Hospital Provincial de Gweru, um hospital geral de referência na província de Midlands, propuseram-se testar se os dados laboratoriais recolhidos rotineiramente poderiam alimentar um modelo preditivo de alerta precoce, em vez de apenas relatórios retrospetivos.
O estudo transversal retrospetivo baseou-se em 4.054 isolados bacterianos clínicos provenientes de 874 registos de doentes recolhidos entre 2022 e 2024. A equipa treinou e comparou cinco modelos de aprendizagem automática — máquina de vetores de suporte (SVM), floresta aleatória, regressão logística, gradient boosting e k-vizinhos mais próximos — para prever a resistência. O SVM teve o melhor desempenho, atingindo 72,08% de exatidão, 73,25% de precisão, 79,78% de sensibilidade, uma pontuação F1 de 0,76 e uma AUC-ROC de 0,79. Os autores destacam o potencial da abordagem para direcionar os recursos de gestão de antimicrobianos para as enfermarias e agentes patogénicos de maior risco.
O estudo é uma análise retrospetiva de um único hospital, publicada como pré-publicação em setembro de 2025 e ainda não sujeita a revisão por pares independente; não foi reportada validação prospetiva nem implementação clínica. A Evidoria inclui este caso como uma prova de conceito credível e bem documentada de um hospital provincial público — dados reais de desempenho diagnóstico a partir de registos reais, com as ressalvas habituais de um estudo retrospetivo de local único ainda não revisto.