Tomada de decisão algorítmica de antibióticos em infecção do trato urinário usando previsão informada pelo prescritor da utilidade do tratamento

Antibióticos mais inteligentes para infecções comuns

Infecções do trato urinário (ITUs) estão entre as razões mais comuns pelas quais as pessoas recebem antibióticos. Ainda assim, escolher o medicamento certo é um exercício de equilíbrio: os médicos precisam curar a infecção, evitar efeitos colaterais graves e proteger a sociedade do agravamento da resistência aos antibióticos. Este estudo apresenta um novo tipo de algoritmo de tomada de decisão que busca apoiar os clínicos ao combinar dados hospitalares em larga escala com as prioridades reais dos próprios médicos, ajudando a escolher antibióticos que sejam eficazes para o paciente e mais seguros para a comunidade em geral.

O problema com medicamentos poderosos

A medicina moderna depende de antibióticos, mas o uso excessivo de drogas amplas, os chamados “canhões pesados”, está impulsionando uma crise global de resistência antimicrobiana. As Nações Unidas estabeleceram uma meta: até 2030, 70% do uso de antibióticos no mundo deve provir de medicamentos de primeira linha mais estreitos, conhecidos pela Organização Mundial da Saúde como antibióticos da categoria “Access”. Na prática, muitos clínicos tendem a optar por drogas mais amplas, rotuladas como “Watch” ou “Reserve”, porque temem que uma opção mais restrita possa falhar diante de bactérias resistentes, especialmente quando os pacientes estão muito doentes. Como resultado, frequentemente trocamos riscos de resistência de longo prazo por tranquilidade imediata, sem ferramentas claras para avaliar quando um medicamento mais seguro e mais estreito funcionaria tão bem quanto.

Ensinando um algoritmo a pensar como um clínico

Os pesquisadores construíram um algoritmo de decisão de antibiótico focado em ITUs usando registros eletrônicos detalhados de quase 94.000 pacientes internados em Boston. Primeiro, treinaram modelos preditivos para estimar, para 13 antibióticos diferentes, qual a probabilidade de as bactérias causadoras da ITU serem suscetíveis e qual a probabilidade de o tratamento desencadear problemas como infecção por Clostridioides difficile ou toxicidade medicamentosa grave. Em seguida, pediram a 49 clínicos do Reino Unido de várias especialidades que completassem um exercício online de classificação, escolhendo entre antibióticos fictícios que diferiam em características como risco de efeitos colaterais, adequação para ITU, custo, se eram medicamentos Access ou Watch/Reserve, e se eram em comprimido ou via intravenosa. Ao analisar essas classificações, a equipe quantificou o quanto os médicos valorizavam cada característica — por exemplo, quanto preferiam drogas orais, de baixa toxicidade e específicas para ITU em relação a opções mais arriscadas ou mais potentes.

Adicionando uma rede de segurança para pacientes muito doentes

O algoritmo final combinou esses dois ingredientes: previsões baseadas em dados e julgamentos de valor dos clínicos. Para cada paciente, calculou um “valor do tratamento” para cada antibiótico, levando em conta a chance prevista de o medicamento funcionar, as probabilidades de efeitos colaterais graves, sua categoria Access/Watch/Reserve e se era oral ou intravenoso. Crucialmente, o algoritmo também incorporou um mecanismo de segurança baseado na gravidade aparente do paciente no pronto-socorro. À medida que a gravidade da doença aumentava, o algoritmo automaticamente dava mais peso à necessidade de atacar a infecção com força e de dispor de uma opção intravenosa. Em outras palavras, para pacientes com doença leve ele procurava favorecer drogas orais e mais restritas, mas à medida que os pacientes ficavam mais graves, tornava-se progressivamente mais disposto a usar antibióticos mais potentes e intravenosos para protegê-los da falha do tratamento.

Como o algoritmo se saiu em comparação com médicos

A equipe então executou uma simulação usando casos reais do pronto-socorro em que pacientes tinham ITUs e culturas de urina. Compararam os antibióticos que os clínicos humanos realmente administraram com os medicamentos que o algoritmo teria escolhido no momento em que a cultura foi enviada. Ambas as abordagens foram igualmente boas em escolher um antibiótico que cobrisse as bactérias do paciente. No entanto, o algoritmo fez isso ao selecionar muito mais medicamentos de espectro estreito da categoria Access e muito mais tratamentos orais, além de usar menos antibióticos intravenosos. Para pacientes mais graves, o algoritmo se comportou de forma muito semelhante aos prescritores humanos, deslocando-se apropriadamente para opções intravenosas e mais potentes. Onde diferiu foi em reconhecer oportunidades adicionais — especialmente em pacientes moderadamente doentes — para tratar com segurança usando medicamentos orais da categoria Access, como nitrofurantoína e ampicilina-sulbactam, em vez de recorrer automaticamente a opções mais amplas.

O que isso significa para o atendimento cotidiano

Para um leitor leigo, a mensagem principal é que este sistema não substitui os médicos; em vez disso, funciona como uma calculadora para as complexas trocas entre risco e benefício que os clínicos já consideram, mas não conseguem computar com precisão em suas cabeças. Ao unir as próprias prioridades dos clínicos com evidências em larga escala sobre o desempenho dos antibióticos, o algoritmo pode sugerir tratamentos que são igualmente eficazes para pacientes individuais, mas mais gentis para o organismo e para a saúde pública — favorecendo comprimidos em vez de soro quando seguro, e medicamentos mais estreitos em vez de opções de último recurso sempre que possível. Se validada em mais contextos, essa ferramenta poderia ajudar hospitais e sistemas de saúde a se aproximarem das metas globais de uso responsável de antibióticos, sem sacrificar a segurança de pessoas que chegam criticamente doentes com infecção.

Citação: Howard, A., Green, P.L., Zhong, Y. et al. Algorithmic antibiotic decision-making in urinary tract infection using prescriber-informed prediction of treatment utility. npj Digit. Med. 9, 136 (2026). https://doi.org/10.1038/s41746-026-02369-z

Palavras-chave: infecção do trato urinário, uso racional de antibióticos, suporte à decisão clínica, resistência antimicrobiana, aprendizado de máquina na medicina