Modelo inovador prevê risco de morte em pacientes com AVC

Um grupo de investigadores de Portugal criou um modelo de aprendizagem automática que demonstra um potencial notável ao prever o risco de mortalidade em pacientes que sofreram um Acidente Vascular Cerebral (AVC). Com uma precisão impressionante de 98,5%, este inovador modelo foi baseado em dados clínicos de 332 doentes internados no Hospital de Faro entre 2016 e 2018.

Publicado em março na revista científica Neuroscience Informatics, o estudo identificou 24 fatores de risco que influenciam a mortalidade pós-AVC. Dos 332 pacientes analisados, 58 faleceram pouco tempo após o evento, enquanto os restantes tiveram alta ou foram transferidos para outras unidades de saúde.

Nuno António, um dos autores e professor na Nova IMS da Universidade Nova de Lisboa, explicou que o modelo se baseia em 80 variáveis e é robusto, permitindo prever corretamente o desfecho de morte na vasta maioria dos casos. No entanto, ele também reconheceu que as discrepâncias nos 1,5% restantes podem advir de variabilidades biológicas inesperadas ou limitações intrínsecas ao modelo, além de frisar que a amostra, por ser restrita a uma única região, poderá demandar validação em estudos futuros mais amplos.

"É crucial considerar que as diferenças regionais, incluindo comorbilidades e acesso a cuidados de saúde, podem influenciar os resultados. Para que o modelo possa ser utilizado em outras áreas, será necessária uma adaptação e validação a novas realidades", afirmou Nuno António.

Os principais fatores de risco reconhecidos pelo modelo incluem a gravidade do AVC na admissão, níveis de glicemia, idade, estado de consciência e frequência respiratória. Estes fatores estão bem documentados na literatura médica como determinantes clássicos da mortalidade pós-AVC.

Ainda que o modelo tenha suas limitações, ele tem a capacidade de identificar precocemente os pacientes mais vulneráveis, assim facilitando a priorização na triagem e alocação de recursos. Por exemplo, um doente com AVC grave e glicemia elevada pode receber monitorização intensiva.

Embora sejam compreensíveis as preocupações quanto à possível dependência excessiva dos médicos em relação a previsões geradas por máquinas, Nuno António esclareceu que o objetivo do modelo não é substituir os clínicos, mas sim fornecer suporte adicional ao processo decisório. O modelo permite a análise rápida de múltiplas variáveis e a identificação de padrões complexos que poderiam passar despercebidos em análise humana.

Além disso, o modelo oferece transparência nas suas previsões, permitindo que os médicos compreendam as razões por trás de cada resultado. Para cada paciente, o modelo aponta quais variáveis mais influenciaram a previsão, facilitando uma abordagem mais informada e cuidadosa.

Para a elaboração do modelo, foram considerados fatores clínicos como a gravidade do AVC na entrada, tipo de AVC, e a presença de infeções durante a hospitalização. Variáveis laboratoriais como níveis de hemoglobina, glicemia e sódio, bem como informações sociodemográficas incluindo idade e sexo, também foram integradas.