MERIT: Identificação de risco baseada em EHR multiagente e cuidado adaptado para declínio cognitivo precoce na atenção primária

PreprintNível 3 · Ciência emergentemedRxiv3 nov 20260 citações

Pré-publicação. Ainda não revisada por pares; não deve orientar conduta.

O que aconteceu

A demência é frequentemente subdiagnosticada na atenção primária, com menos da metade dos casos identificados e apenas 8-20% detectados em estágios iniciais. Nosso objetivo é desenvolver um sistema de suporte à decisão clínica (CDSS) alimentado por IA Agentic mantendo o status cognitivo virtual do paciente e fornecer aos médicos resumos prontos para uso e sugestões do próximo passo. Desenvolvemos o MERIT (Multi-agent EHR-grounded Risk Identification and Tailored Care for Early Cognitive Decline in Primary Care) através de co-design participativo com o prestador de cuidados primários. Mantém um estado cognitivo virtual baseado nos registros eletrônicos de saúde do paciente (EHR) e conversa com o paciente e fornece suporte de decisão clínica com base nele. A geração aumentada de recuperação (RAG) foi empregada pelo sistema para recuperar fatores de risco relacionados à demência da EHR multimodal. Além disso, utilizou-se o padrão de desenho de IA agente para melhorar a qualidade do texto gerado pelo Agente IA. Utilizamos dados de um paciente do PCP para otimizar o sistema e, em seguida, pacientes de outros quatro PCPs para testes. Utilizamos principalmente a avaliação manual de especialistas baseada em Likert-Scales de 5 pontos. Para a legibilidade do resumo do paciente e material de educação personalizado, além da avaliação manual, também foram utilizados o Flesch Reading Ease e o Flesch We-Kincaid Grade Level.

O que encontraram

O MERIT possui quatro modulares: 1) agente de conversação do paciente; 2) mantenedor do estado cognitivo virtual do paciente; 3) provedor de educação personalizada; e 4) provedor de apoio à decisão. Nossa avaliação centrou-se na parte voltada para o provedor, que depende da EHR sem envolver qualquer conversa de paciente. A avaliação dos dados dos testes demonstra um bom desempenho. Em uma escala Likert de 5 pontos, no conjunto de testes, os resumos do estado cognitivo virtual do paciente receberam escores médios de 4,0 (DP 0,74) para a correção, 4,2 (DP 0,59) para a completude, 4,3 (DP 0,59) para a legibilidade e 4,1 (DP 0,71) para a utilidade clínica; o suporte à decisão clínica recebeu 3,9 (DP 0,87) para a correção, 4,3 (DP 0,66) para a completude e 4,3 (DP 0,64) para a adoção; e o material educacional personalizado recebeu avaliações médias de 4,3 (DP 0,62) para a completude, 4,5 (DP 0,60) para a legibilidade, 4,3 (DP 0,78) para a utilidade e 4,4 (DP 0,49) para a empatia. A avaliação de legibilidade automatizada mostrou que os resumos dos pacientes apresentavam uma média de pontuação de Flesch Reading Ease de 18,3 (DP 4,9) e um Nível de Grau Flesch-Kincaid de 13,7 (DP 0,7), consistente com o texto de nível superior, enquanto que a educação personalizada dos pacientes tinha uma pontuação de Flesch Reading Ease de 50,1 (DP 7,1) e um Nível de Grau Flesch-Kincaid de 11,7 (DP 1,5), que é um texto compreensível para os estudantes do ensino médio.

Por que isso importa

Nosso sistema desenvolvido MERIT pode manter um status cognitivo virtual baseado na EHR multimodal do paciente, fornecer ao paciente materiais de educação personalizados claros e legíveis, e fornecer ao PCP resumos cognitivos prontos para usar e suporte de decisão com alta adoção. Ao integrar nosso CDSS no Epic no futuro próximo, nosso sistema desenvolvido beneficiará em grande parte os idosos com declínio cognitivo e retardará a progressão.

Tradução automática do resumo original, publicado em medRxiv sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.