Pesquisadores adaptaram um programa de inteligência artificial (IA) para identificar sinais de transtorno de estresse pós-traumático relacionado ao parto (TEPT-P) avaliando breves relatos narrativos de pacientes que deram à luz.
O programa identificou com sucesso uma grande proporção de participantes provavelmente com o transtorno, e com refinamentos adicionais, como detalhes de prontuários médicos e dados de experiência de parto de populações diversas, o modelo poderia potencialmente identificar uma grande porcentagem daqueles em risco. O estudo foi publicado na Scientific Reports.
Em todo o mundo, o TEPT-P afeta cerca de 8 milhões de pessoas que dão à luz a cada ano, e a prática atual para diagnosticar o TEPT-P requer uma avaliação médica, o que é demorado e custoso. Um método de triagem eficaz tem o potencial de identificar rapidamente e de forma econômica um grande número de pacientes no pós-parto que poderiam se beneficiar do diagnóstico e tratamento.
O TEPT-P não tratado pode interferir na amamentação, no vínculo com o bebê e no desejo de uma futura gravidez. Também pode piorar a depressão materna, o que pode levar a pensamentos e comportamentos suicidas.
Os pesquisadores administraram a Checklist de TEPT-P, um questionário projetado para triagem do transtorno, a 1.295 pessoas no pós-parto. Os participantes também forneceram breves narrativas de aproximadamente 30 palavras sobre sua experiência de parto.
Os pesquisadores então treinaram um modelo de IA para analisar um subconjunto de narrativas de pacientes que também apresentaram sintomas elevados de TEPT-P no questionário. Em seguida, o modelo foi usado para analisar um subconjunto diferente de narrativas em busca de evidências de TEPT-P. No geral, o modelo identificou corretamente as narrativas dos participantes que provavelmente tinham TEPT-P porque pontuaram alto no questionário.
Os autores acreditam que seu trabalho poderia eventualmente tornar o diagnóstico de transtorno de estresse pós-traumático pós-parto mais acessível, fornecendo um meio para compensar as disparidades socioeconômicas, raciais e étnicas passadas.
O estudo foi conduzido por Alon Bartal, Ph.D., da Universidade Bar Ilan em Israel, e liderado pelo autor sênior Sharon Dekel, Ph.D., do Massachusetts General Hospital e da Harvard Medical School, em Boston.